简介

生成对抗网络（Generative Adversarial Network，简称GAN）是无监督学习的一种方法，通过让两个神经网络相互博弈的方式进行学习。

大白话： 说就是生成对抗网络有一个生成网络和一个判别网络，假设有一个真实数据和一个生成网络生成的假数据，那么判别网络就是识别出这两种数据，判别网络努力分类成功，生成网络努力生成和真实数据相似的数据使判别网络分类不出来。这就是所说的相互博弈的方式。

线性判别分析LDA(Linear Discriminant Analysis)

线性判别分析，也就是LDA（与主题模型中的LDA区分开），现在常常用于数据的降维中，但从它的名字中可以看出来它也是一个分类的算法，而且属于硬分类，也就是结果不是概率，是具体的类别，一起学习一下吧。

Sklearn.feature_selection.SelectFromModel

class sklearn.feature_selection.SelectFromModel(estimator, 
        *, threshold=None, prefit=False, norm_order=1, 
        max_features=None)[source]

参数

Parameters
-
estimator_：一个估算器
            用来建立变压器的基本估计器。
            只有当一个不适合的估计器传递给SelectFromModel时，
            才会存储这个值，即当prefit为False时。

threshold_：float
            用于特征选择的阈值。

方法:

其中\(r_{t}\)为reset门，用于重置上一step的状态。\(z_{t}\)为update门，用于得到当前step的状态。

很简单，就是统计x中的数出现次数，返回结果的最大长度就是x中的最大值+1，idx为对应的数，值为出现的次数，没有出现的为0。

x = np.array([7, 6, 2, 1, 4]) 
# 索引0出现了0次，索引1出现了1次......索引5出现了0次...... 
np.bincount(x) 
#输出结果为：array([0, 1, 1, 0, 1, 0, 1, 1])

weight这个参数也很好理解，x会被它加权，也就是说，如果值n发现在位置i，那么out[n] += weight[i]而不是out[n] += 1。所以weight必须和x等长。

优劣解距离法Topsis

步骤

原始矩阵正向化

有四种指标：

• 极大型
• 极小型
• 中间型
• 区间型

正向化就是将其它的指标转化为极大型指标 极小型 -> 极大型： 中间型 -> 极大型： 区间型 -> 极大型： ### 正向化矩阵标准化

把数字翻译成字符串

题目：

https://leetcode-cn.com/problems/ba-shu-zi-fan-yi-cheng-zi-fu-chuan-lcof/

思路：

dp思想，不用管是什么字符，定义dp[i]为长度为i时 有多少个方法

代码:

class Solution:
    def translateNum(self, num: int) -> int:
        s = str(num)
        if len(s) < 2:
            return 1
        dp = [0] * len(s)
        dp[0] = 1
        dp[1] = 2 if int(s[0] + s[1]) < 26 else 1
        for i in range(2,len(s)):
            dp[i] = dp[i-1] + dp[i-2] if int(s[i-1] + s[i]) < 26 and s[i-1] != '0' else dp[i-1]
        return dp[-1]

注意如果长度小于等于1 则直接返回1

Seq2Seq

（本文只介绍最原始的seq2seq，带有注意力在attention文章中）

RNN

有关RNN

Seq2Seq是典型的Encoder-decoder框架的模型，其中编码器和解码器都采用的RNN模型或者RNN模型的变体：GRU、LSTM等。

DBSCAN属于密度聚类的一种。通常情形下，密度聚类算法从样 本密度的角度来考察样本之间的可连接性，并基于可连接样本不断扩展聚类簇 以获得最终的聚类结果。

参考：https://www.cnblogs.com/bill-h/p/14863262.html

大家可能听说过用于宣传数据挖掘的一个案例:啤酒和尿布；据说是沃尔玛超市在分析顾客的购买记录时，发现许多客户购买啤酒的同时也会购买婴儿尿布，于是超市调整了啤酒和尿布的货架摆放，让这两个品类摆放在一起；结果这两个品类的销量都有明显的增长；分析原因是很多刚生小孩的男士在购买的啤酒时，会顺手带一些婴幼儿用品。