- 博客(4)
- 收藏
- 关注
RSS订阅原创 KNN算法3
是一种数据集的分割方法，将训练集划分为n份，拿一份做验证集（测试集）、其他n-1份做训练集。# 模型保存joblib.dump(estimator, 'model/knn.pth')data = pd.read_csv('data/手写数字识别.csv')print('测试集准确率: %.2f' % acc)利用KNN算法实现手写数字识别。# 数据预处理归一化。
2024-04-26 10:18:35
156
原创 KNN算法2
简而言之，归一化通常用于将数据限制在特定范围内，而标准化则是为了调整数据的分布，使其具有零均值和单位标准差。这两种方法都有助于提高数据的一致性和算法的性能。特征的单位或者大小相差较大，或者某特征的方差相比其他的特征要大出几个数量级，容易影响（支配）目标结果，使得一些模型（算法）无法学习到其它的特征。•归一化和标准化都是数据预处理技术，旨在调整数据的尺度，但它们的方法和适用场景有所不同。# 5 打印每1列数据的均值和标准差。# 4. 打印归一化后的结果。为什么做归一化和标准化?归一化的标准话的概念。
2024-04-25 17:52:21
841
1
原创 机器学习day two与knn算法
特征工程是机器学习和数据科学中的一个关键步骤，它涉及到利用领域知识来创建或选择合适的特征，这些特征能够更好地描述数据，并提升机器学习模型在未知数据上的性能。通过有效的特征工程，即使使用相对简单的模型，也能获得良好的性能，因为好的特征能够提高模型的灵活性和预测精度。特征工程包括去除无关数据、选择与结果高相关的特征、以及设计能够更好表达问题本质的特征，从而增强模型的预测能力。特征工程概念入门–涉及内容1.特征提取feature extraction从原始数据中提取与任务相关的特征。
2024-04-23 22:38:19
879
原创 机器学习day one
(Artificial Intelligence，简称AI )是一门研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的新技术科学。它是计算机科学的一个分支，旨在理解和复制智能的本质，并生产出能够以人类智能相似的方式做出反应的智能机器。◆定义：输入数据没有被标记，即样本数据类别未知，没有标签，根据样本间的相似性，对样本集聚类，以发现事物内部结构及相互关系。2监督学习:输入训练集数据包含输入特征值和目标值回归:函数的输出是一个连续的值分类:函数的输出是有限个离散值。
2024-04-22 17:18:38
366
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