- 博客(4)
- 收藏
- 关注
RSS订阅原创 数据清洗中的缺失值处理
无论是机器学习、数据挖掘、数据分析，对数据的处理都是至关重要的一步，数据预处理做的好，往往让我们的数据分析有事半功倍的效果，其中正确处理缺失值更是重中之重。造成数据缺失的原因信息暂时无法获取。网购退货数量及评价不及时。 获取信息所需要的代价太大 信息统计时被遗漏 系统实时性要求较高数据确实的类型完全随机缺失（MCAR）指的是数据的缺失是完全随机的，不依赖于任何不完全变量或完全变量，不影响样本的无偏性。如家庭地址缺失 随机缺失(MAR)指的是数据的缺失不是完全随机的，即该类数据的缺失依赖
2021-11-29 16:09:49
1992
原创 数组（顺序存储结构）和链表（单链表）的区别
目录数组：链表：两者区别数组和链表两者都是线性结构，所谓线性结构就是这些数据的所有节点都能被一根针（指针）联系起来的一种结构。但是两者在内存存储和数据查找、删除上的表现不一样，所以也有各自的特点。数组：数组就是在内存中找一个连续的地方（相当于看电影是几个人必须坐在一起），通过占位的方式，把一定的内存给占用，然后把相同数据类型的数据元素依次存放在这个固定的内存当中。数组需要预留空间，在使用之前先要申请占内存的大小（因此创建空列表时，我们需要传入指定个数的嵌套空列表）。这就像看电影时
2021-10-29 22:20:11
877
原创 2021-05-19
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档GAN生成数据提高入侵检测准确率前言一、动机二、具体方法1、不平衡生成对抗网络(IGAN)2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、动机在动态，分散的自组织网络中，系统安全的保障变得越来越重要，但是各类数据的不平衡（异常样本数量明显低于正常
2021-05-20 11:10:56
326
3
原创 论文总结
Network Intrusion Detection Based on Conditional Wasserstein Generative Adversarial Network and Cost-Sensitive Stacked Autoencoder简介MotivationIntroduction入侵检测： 深度学习算法数据不平衡：生成对抗网络GANCGANWGAN堆叠自编码器AESAE提出的方法·CWGAN·CSSAEMethod数据预处理训练CWGAN建立新的数据集攻击检测Evaluation
2021-05-08 11:27:39
663
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人