2018年01月_空字符（公众号：月来客栈）

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 01月

原创最佳特征筛选与feature_selection

本文介绍的是如何利用scikit learn中的feature_selection模块来筛选最佳特征。1.读取数据并进行填充titanic=pd.read_csv('./titanic.txt')# print titanic.head()# print titanic.info()#分离数据特征与预测目标y=titanic['survived'] # 提取出survived

2018-01-20 10:53:55 2808

原创用pandas处理缺失值补全及DictVectorizer特征转换

下面介绍的是用pands读取泰坦尼克遇难船员的数据，然后挑选特征，补全缺失值，特征转换。1.pands读取数据titanic=pd.read_csv('./titanic.txt')其数据形式如下： row_num pclass survived name age embarked home.dest room ticket boat sex 3 1

2018-01-19 10:03:17 4410

原创 Scikit-learn——LogisticRegression与SGDClassifier

1.sklearn.linear_model.logistic regression一般来说，逻辑回归用梯度下降算法来求解参数比较常见；所以这也导致一开始误以为LogisticRegression模型就是用梯度下降算法来实现的，当遇到SGDClassifier（Stochastic Gradient Descent）随机梯度下降分类器的时候，就有点蒙了。梯度下降明明是一个求解算法，怎么就和分类器扯上

2018-01-18 20:27:17 12697 2

原创 Scikit-learn CountVectorizer与TfidfVectorizer

本文主要介绍两个类的基本使用，CountVectorizer与TfidfVectorizer，这两个类都是特征数值计算的常见方法。对于每一个训练文本，CountVectorizer只考虑每种词汇在该训练文本中出现的频率，而TfidfVectorizer除了考量某一词汇在当前训练文本中出现的频率之外，同时关注包含这个词汇的其它训练文本数目的倒数。相比之下，训练文本的数量越多，TfidfVectoriz

2018-01-18 10:54:42 26978 14

原创如何用pandas读取CVS格式数据

本文主要介绍的是如何利用pandas来读取CVS格式的数据 CVS格式指的是：每个元素之间均已逗号隔开，不管文件后缀名是什么，例如.txt,.data等等如#x.txt1,2,34,5,6----------------------------------------------------------column_name=['A','B','C']t=pd.read

2018-01-10 16:21:57 3850

原创 Scikit-learn——Decision Tree(Classifier)

本文主要介绍一下sklearn中分类决策树的简单用法。决策树优点： 1.简单易于理解，能够可视化； 2.训练集规模不大，值得注意的是该模型不接受缺失值； 3.使用代价仅为训练样本数取对数； 4.既能够处理数值型数据集(numerical)也能够处理标签型(categorical)数据集 5.能够处理多输出问题； 6.能够用布尔逻辑来表示一种情况的决策过程，不像神经网络完全黑箱； 7.性

2018-01-08 20:36:48 3534

原创决策树——（三）决策树的生成与剪枝CART

前面两篇文章分别介绍了用ID3和C4.5这两种算法来生成决策树。其中ID3算法每次用信息增益最大的特征来划分数据集，C4.5算法每次用信息增益比最大的特征来划分数据集。下面介绍另外一种采用基尼指数为标准的划分方法，CART算法。1. CART算法分类与回归算法(Classification and Regression Tree,CART)，即可以用于分类也可以用于回归，是应用广泛的决策树

2018-01-04 21:09:10 2146

神经网络手写体识别

斯坦福机器学习第五章，课后练习，神经网络手写体识别，实例源码。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

2017-09-24

神经网络与深度学习

随着AlphaGo与李世石大战的落幕，人工智能成为话题焦点。AlphaGo背后的工作原理'深度学习'也跳入大众的视野。什么是深度学习，什么是神经网络，为何一段程序在精密的围棋大赛中可以大获全胜？人工智终将会取代人类智慧吗？, 本书结合日常生活中的寻常小事，生动形象地阐述了神经网络与深度学习的基本概念、原理和实践，案例丰富，深入浅出。对于正在进入人工智能时代的我们，这些内容无疑可以帮助我们更好地理解人工智能的原理，丰富我们对人类自身的认识，并启发我们对人机智能之争更深一层的思考与探索。, 《神经网络与深度学习》是一本介绍神经网络和深度学习算法基本原理及相关实例的书籍，它不是教科书，作者已尽量把公式减少到最少，以适应绝大部分人的阅读基础和知识储备。《神经网络与深度学习》涵盖了神经网络的研究历史、基础原理、深度学习中的自编码器、深度信念网络、卷积神经网络等，这些算法都已在很多行业发挥了价值。, 《神经网络与深度学习》适合有志于从事深度学习行业的，或想了解深度学习到底是什么的，或是有一定机器学习基础的朋友阅读。

2017-09-24