机器学习(3、逻辑回归 4、决策树)

最新推荐文章于 2023-07-19 16:59:16 发布
最新推荐文章于 2023-07-19 16:59:16 发布
阅读量342 收藏 3
点赞数
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/DSJDWWJ/article/details/103111245
版权

1.逻辑回归

1.1 逻辑回归是机器学习中的一种分类模型

  • 激活函数
    • sigmoid函数
    • 逻辑回归结果[0,1]
    • 二分类
      • 大于阀值————>正例
      • 小于阀值————>负例
  1. 损失及优化
  • 逻辑回归的损失，称为对数似然损失
  • 逻辑回归api
  • sklearn.linear_model.LogisticRegression(solver=‘liblinear’, penalty=‘l2’, C = 1.0)
    • solver可选参数:{‘liblinear’, ‘sag’, ‘saga’,‘newton-cg’, ‘lbfgs’}，
      • 默认: ‘liblinear’；用于优化问题的算法。
      • 对于小数据集来说，“liblinear”是个不错的选择，而“sag”和’saga’对于大型数据集会更快。
      • 对于多类问题，只有’newton-cg’， ‘sag’， 'saga’和’lbfgs’可以处理多项损失;“liblinear”仅限于“one-versus-rest”分类。
    • penalty：正则化的种类
    • C：正则化力度
  • 案例：癌症分类预测-良／恶性乳腺癌肿瘤预测
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression

import ssl
ssl._create_default_https_context = ssl._create_unverified_context

# 1.获取数据
names = ['Sample code number', 'Clump Thickness', 'Uniformity of Cell Size', 'Uniformity of Cell Shape',
                   'Marginal Adhesion', 'Single Epithelial Cell Size', 'Bare Nuclei', 'Bland Chromatin',
                   'Normal Nucleoli', 'Mitoses', 'Class']

data = pd.read_csv("https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data",
                  names=names)
data.head()

# 2.基本数据处理
# 2.1 缺失值处理
data = data.replace(to_replace="?", value=np.NaN)
data = data.dropna()
# 2.2 确定特征值,目标值
x = data.iloc[:, 1:10]
x.head()
y = data["Class"]
y.head()
# 2.3 分割数据
x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=22)
# 3.特征工程(标准化)
transfer = StandardScaler()
x_train = transfer.fit_transform(x_train)
x_test = transfer.transform(x_test)

# 4.机器学习(逻辑回归)
estimator = LogisticRegression()
estimator.fit(x_train, y_train)

# 5.模型评估
y_predict = estimator.predict(x_test)
y_predict
estimator.score(x_test, y_test)
  • 分类评估方法
  • 混淆矩阵
    • 在分类任务下，预测结果(Predicted Condition)与正确标记(True Condition)之间存在四种不同的组合，构成混淆矩阵(适用于多分类)
  • 准确率
    • （TP+TN）/(TP+TN+FN+FP)
  • 精确率(Precision)
    • TP/(TP+FP)
    • 预测结果正例样本中真实为正例的比例
  • 召回率(Recall)
    • TP/(TP+FN)
    • 真实为正例的样本中预测结果为正例的比例
  • F1-score:反映了模型的稳健型
  • 分类评估报告api
    • sklearn.metrics.classification_report(y_true, y_pred, labels=[], target_names=None )
      • y_true：真实目标值
      • y_pred：估计器预测目标值
      • labels:指定类别对应的数字
      • target_names：目标类别名称
      • return：每个类别精确率与召回率
ret = classification_report(y_test, y_predict, labels=(2,4), target_names=("良性", "恶性"))
print(ret)
  • ROC曲线
    • TPR = TP / (TP + FN)
      所有真实类别为1的样本中，预测类别为1的比例
    • FPR = FP / (FP + TN)
      所有真实类别为0的样本中，预测类别为1的比例
  • AUC指标
    • 越接近1，效果越好
    • 越接近0，效果越差
    • 越接近0.5，效果就是胡说
    • 这个指标主要用于评价不平衡的二分类问题
  • ROC曲线的绘制
    • 1.构建模型，把模型的概率值从大到小进行排序
    • 2.从概率最大的点开始取值，一直进行tpr和fpr的计算，然后构建整体模型，得到结果
    • 3.其实就是在求解积分（面积）

决策树

  • 决策树(if-else)
    • 一个树形结构
    • 每个非叶子节点代表一个判断
    • 叶子节点代表的是一个分类结果
  • 决策树分类原理
  • 熵 Entropy 是“混乱”程度的量度
  • 系统越有序，熵值越低；系统越混乱或者分散，熵值越高
  • 信息理论：
    • 1.从信息的完整性上进行的描述:当系统的有序状态一致时，数据越集中的地方熵值越小，数据越分散的地方熵值越大。
    • 2.从信息的有序性上进行的描述:
      当数据量一致时，系统越有序，熵值越低；系统越混乱或者分散，熵值越高
  • “信息熵” (information entropy)是度量样本集合纯度最常用的一种指标
  • 决策树的分类依据有且只有三个：

    • 1、信息增益ID3

      • 信息增益 = entroy(前) - entroy(后)
      • 根据条件划分决策树熵值差衡量样本划分效果好坏
      • 信息增益越大越好
      • 选择信息增益大的作为第一决策依据
      • 信息增益准则对可取值数目较多的属性有所偏好

    • 2、信息增益率C4.5

      • 选择信息增益大的作为第一决策依据
      • while(当前节点"不纯")：
        • 1.计算当前节点的类别熵(以类别取值计算)
        • 2.计算当前阶段的属性熵(按照属性取值吓得类别取值计算)
        • 3.计算信息增益
        • 4.计算各个属性的分裂信息度量
        • 5.计算各个属性的信息增益率
      • end while
      • 当前阶段设置为叶子节点

    • 3、基尼值和基尼指数CART

      • 二叉树
      • 基尼值Gini（D）
        • 表示类别不一致的概率
        • 值越小越好，值越小纯度越高
      • 基尼指数Gini_index（D）
        • while(当前节点不纯)—基尼值不为0 1.遍历每个变量的每一种分割方式，找到最好的分割点----基尼指数值小
        • 2.分割成两个节点N1和N2
          每个节点足够“纯”为止
  • 常见决策树的启发函数比较
  • 信息增益(ID3 算法)
  • 缺点：
    • 倾向于选择取值较多的属性
    • 只对离散型属性的数据集构造决策树
  • 信息增益率（C4.5算法）
  1. 用信息增益率来选择属性
  2. 可以处理连续数值型属性
  3. 采用了一种后剪枝方法
  4. 对于缺失值的处理
    C4.5算法的优缺点

​ 优点：

​ 产生的分类规则易于理解，准确率较高。

​ 缺点：算法低效

​ 在构造树的过程中，需要对数据集进行多次的顺序扫描和排序，因而导致算法的低效。

​ C4.5只适合于能够驻留于内存的数据集(后减枝)

  • CART算法
  1. 二叉树
  2. 处理离散型.连续型特征
  3. C4.5不一定是二叉树，但CART一定是二叉树
决策树变量的两种类型：
  1. 数字型 连续型 年收入
  2. 名称型 离散型 类别型 婚姻状况
如何评估分割点的好坏
  • 找到能让数据最快达到"纯"的分割点就是好

cart剪枝

随着判断节点的增加 训练集效果越好越好

​ 测试集效果 先上升后下降

存在过拟合现象

出现这种情况的原因

原因1：噪声、样本冲突，即错误的样本数据。

原因2：特征即属性不能完全作为分类标准。

原因3：巧合的规律性，数据量不够大。

常用的减枝方法

  1. 预减枝

    1. 指定每一个结点所包含的最小样本数目，
    2. 指定高度或深度
    3. 指定一个阈值 ,熵小于阈值 就不往下划分

  2. 后减枝

    后剪枝，在已生成过拟合决策树上进行剪枝，可以得到简化版的剪枝决策树。

工作:后减枝

特征工程-特征提取

  • 将任意数据（如文本或图像）转换为可用于机器学习的数字特征

  • 特征提取分类:

    • 字典特征提取(特征离散化)
    • 文本特征提取
    • 图像特征提取（深度学习）

  • 特征提取API

    • sklearn.feature_extraction

  • 字典特征提取
    -作用：对字典数据进行特征值化

    • sklearn.feature_extraction.DictVectorizer(sparse=True,…)
      • DictVectorizer.fit_transform(X)
        • X:字典或者包含字典的迭代器返回值
        • 返回sparse矩阵
    • DictVectorizer.get_feature_names() 返回类别名称
#[{'city': '北京','temperature':100},
#{'city': '上海','temperature':60},
#{'city': '深圳','temperature':30}]
#流程分析
#实例化类DictVectorizer
#调用fit_transform方法输入数据并转换（注意返回格式）
from sklearn.feature_extraction import DictVectorizer

def dict_demo():
    """
    对字典类型的数据进行特征抽取
    :return: None
    """
    data = [{'city': '北京','temperature':100}, {'city': '上海','temperature':60}, {'city': '深圳','temperature':30}]
    # 1、实例化一个转换器类
    transfer = DictVectorizer(sparse=False)
    # 2、调用fit_transform
    data = transfer.fit_transform(data)
    print("返回的结果:\n", data)
    # 打印特征名字
    print("特征名字：\n", transfer.get_feature_names())

    return None


没有加上sparse=False参数的结果:
   (0, 1)    1.0
  (0, 3)    100.0
  (1, 0)    1.0
  (1, 3)    60.0
  (2, 2)    1.0
  (2, 3)    30.0
#特征名字：
 ['city=上海', 'city=北京', 'city=深圳', 'temperature']
加参数后得到返回的结果:
 [[   0.    1.    0.  100.]
 [   1.    0.    0.   60.]
 [   0.    0.    1.   30.]]
特征名字：
 ['city=上海', 'city=北京', 'city=深圳', 'temperature']
  • 文本特征提取
  • 作用：对文本数据进行特征值化
  • sklearn.feature_extraction.text.CountVectorizer(stop_words=[])
    • 返回词频矩阵
    • CountVectorizer.fit_transform(X)
      • X:文本或者包含文本字符串的可迭代对象
      • 返回值:返回sparse矩阵
    • CountVectorizer.get_feature_names() 返回值:单词列表
  • sklearn.feature_extraction.text.TfidfVectorizer
from sklearn.feature_extraction.text import CountVectorizer

def text_count_demo():
    """
    对文本进行特征抽取，countvetorizer
    :return: None
    """
    data = ["life is short,i like like python", "life is too long,i dislike python"]
    # 1、实例化一个转换器类
    # transfer = CountVectorizer(sparse=False) # 注意,没有sparse这个参数
    transfer = CountVectorizer()
    # 2、调用fit_transform
    data = transfer.fit_transform(data)
    print("文本特征抽取的结果：\n", data.toarray())
    print("返回特征名字：\n", transfer.get_feature_names())

    return None
返回结果：
文本特征抽取的结果：
 [[0 1 1 2 0 1 1 0]
 [1 1 1 0 1 1 0 1]]
返回特征名字：
 ['dislike', 'is', 'life', 'like', 'long', 'python', 'short', 'too']
  • jieba分词处理
  • jieba.cut()
    • 返回词语组成的生成器
    • pip3 install jieba
案例：
今天很残酷，明天更残酷，后天很美好，
但绝对大部分是死在明天晚上，所以每个人不要放弃今天。

我们看到的从很远星系来的光是在几百万年之前发出的，
这样当我们看到宇宙时，我们是在看它的过去。

如果只用一种方式了解某样事物，你就不会真正了解它。
了解事物真正含义的秘密取决于如何将其与我们所了解的事物相联系。
分析：
准备句子，利用jieba.cut进行分词
实例化CountVectorizer
将分词结果变成字符串当作fit_transform的输入值

from sklearn.feature_extraction.text import CountVectorizer
import jieba

def cut_word(text):
    """
    对中文进行分词
    "我爱北京天安门"————>"我 爱 北京 天安门"
    :param text:
    :return: text
    """
    # 用结巴对中文字符串进行分词
    text = " ".join(list(jieba.cut(text)))

    return text

def text_chinese_count_demo2():
    """
    对中文进行特征抽取
    :return: None
    """
    data = ["一种还是一种今天很残酷，明天更残酷，后天很美好，但绝对大部分是死在明天晚上，所以每个人不要放弃今天。",
            "我们看到的从很远星系来的光是在几百万年之前发出的，这样当我们看到宇宙时，我们是在看它的过去。",
            "如果只用一种方式了解某样事物，你就不会真正了解它。了解事物真正含义的秘密取决于如何将其与我们所了解的事物相联系。"]
    # 将原始数据转换成分好词的形式
    text_list = []
    for sent in data:
        text_list.append(cut_word(sent))
    print(text_list)

    # 1、实例化一个转换器类
    # transfer = CountVectorizer(sparse=False)
    transfer = CountVectorizer()
    # 2、调用fit_transform
    data = transfer.fit_transform(text_list)
    print("文本特征抽取的结果：\n", data.toarray())
    print("返回特征名字：\n", transfer.get_feature_names())

    return None
返回结果：
Building prefix dict from the default dictionary ...
Dumping model to file cache /var/folders/mz/tzf2l3sx4rgg6qpglfb035_r0000gn/T/jieba.cache
Loading model cost 1.032 seconds.
['一种 还是 一种 今天 很 残酷 ， 明天 更 残酷 ， 后天 很 美好 ， 但 绝对 大部分 是 死 在 明天 晚上 ， 所以 每个 人 不要 放弃 今天 。', '我们 看到 的 从 很 远 星系 来 的 光是在 几百万年 之前 发出 的 ， 这样 当 我们 看到 宇宙 时 ， 我们 是 在 看 它 的 过去 。', '如果 只用 一种 方式 了解 某样 事物 ， 你 就 不会 真正 了解 它 。 了解 事物 真正 含义 的 秘密 取决于 如何 将 其 与 我们 所 了解 的 事物 相 联系 。']
Prefix dict has been built succesfully.
文本特征抽取的结果：
 [[2 0 1 0 0 0 2 0 0 0 0 0 1 0 1 0 0 0 0 1 1 0 2 0 1 0 2 1 0 0 0 1 1 0 0 1 0]
 [0 0 0 1 0 0 0 1 1 1 0 0 0 0 0 0 0 1 3 0 0 0 0 1 0 0 0 0 2 0 0 0 0 0 1 0 1]
 [1 1 0 0 4 3 0 0 0 0 1 1 0 1 0 1 1 0 1 0 0 1 0 0 0 1 0 0 0 2 1 0 0 1 0 0 0]]
返回特征名字：
 ['一种', '不会', '不要', '之前', '了解', '事物', '今天', '光是在', '几百万年', '发出', '取决于', '只用', '后天', '含义', '大部分', '如何', '如果', '宇宙', '我们', '所以', '放弃', '方式', '明天', '星系', '晚上', '某样', '残酷', '每个', '看到', '真正', '秘密', '绝对', '美好', '联系', '过去', '还是', '这样']
  • Tf-idf文本特征提取
  • TF-IDF作用：用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度
      • api:sklearn.feature_extraction.text.TfidfVectorizer
弗拉基米王
关注
专栏目录
机器学习算法原理与实践:线性回归逻辑回归决策树
程序员光剑
04-24 923
1. 背景介绍 机器学习是人工智能领域的一个重要分支，它研究如何让计算机系统从数据中学习并进行预测或决策。机器学习算法是实现机器学习任务的核心，不同的算法适用于不同的场景和问题类型。本文将重点介绍三种经典的机器学习算法：线性回归、逻辑回归和决策树，并探讨它们的原理、实践应用和未来发展趋势。 1.1
11-文本特征抽取TfidfVectorizer
yuhui_2000的博客
03-08 370
关键词 关键词：在某一个类别的文章中，出现的次数很多，但是在其他类别的文章当中出现很少 能够反映这篇文章核心的词汇 我们只要看到关键词部分，就能大致明白这篇文章是讲一些什么的了 那么，我们应该如何使用计算机找出文章中的关键词呢？要知道，关键词不一定是出现次数最多的词汇，但一定是直接反映了这篇文章的本质。 Tf-idf文本特征提取 公式 tfidfi,j=tfi,j×idfi tfidf_{i,j}=tf_{i,j} \times idf_i tfidfi,j​=tfi,j​×idfi​ 举例说明：
【自然语言特征工程：DictVectorizer，CountVectorizer，TF-IDFVectorizer，jieba 在sklearn的运用】
武帝为此的博客
07-19 871
DictVectorizer用于将字典对象转化为稀疏特征矩阵。它能够处理带有非数值特征的数据，并将其转化为可供机器学习算法使用的数值特征。CountVectorizer将文本转化为词频矩阵，统计每个文本中每个单词的出现次数。TF-IDF（Term Frequency-Inverse Document Frequency）用于衡量一个词在文档中的重要程度。TF-IDFVectorizer是一个将文本转化为TF-IDF特征矩阵的工具，它将文本转化为每个词的TF-IDF值。
sklearn特征抽取----01字典类型特征提取（DictVectorizer）
寅月十八的博客
06-21 739
文章目录作用类和方法类方法流程 作用 把python中字典数据(dict)进行特征值化 类和方法 类 DictVectorizer(sparse=True) 默认为True，返回一个sparse矩阵 False，不转换为sparse矩阵 类 DictVectorizer实现了one-hot编码，将数据的特征分离，数据被分为分类属性和传统属性 eg： data = [ {‘city’: ‘北京’,‘temperature’:100}, {‘city’: ‘上海’,‘temperature’:60},
2 python 文本特征提取 CountVectorizer, TfidfVectorizer
dili8870的博客
07-23 440
1. TF-IDF概述 TF-IDF（term frequency–inverse document frequency）是一种用于资讯检索与文本挖掘的常用加权技术。TF-IDF是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。TF-IDF加权的各种形式常被搜...
TF-IDF方法提取文本特征--TfidfVectorizer 工具
热门推荐
笔记小屋
11-23 1万+
前言 从基本的内容讲起，我们可以利用TF-IDF来提取文本特征，在python中有TfidfVectorizer这中工具可以方便我们使用，对所有样本分词，并且通过设置N-gram来获得特征，然后以这些词作为维度特征对每个样本向量化，最后到模型中训练，本文主要讲解TfidfVectorizer的使用，如何来使用这个工具。 ...
百面机器学习—3.逻辑回归与决策树要点总结
柳杰的博客
04-14 1471
文章目录一、逻辑回归1.逻辑回归公式推导2.逻辑回归优缺点是什么？3.为什么逻辑回归需要归一化？4.对于逻辑回归，连续特征离散化的作用是什么？5.逻辑回归能否解决非线性的分类问题？二、决策树1.决策树的算法（ID3，C4.5，CART）总结1.1 ID3—信息增益1.2 C4.5—信息增益比1.3 CART—基尼指数1.4 三种算法对比2.为什么决策树需要剪枝？如何进行剪枝？3.为什么信息增益比比信息增益更佳？4.决策树的优缺点是什么？ 一、逻辑回归 1.逻辑回归公式推导 可以从下面四个方面展开：伯努利过程
利用sklearn实现机器学习算法：线性回归、逻辑回归、决策树、随机森林、SVM等
最新发布
05-18
在机器学习领域，Sklearn（Scikit-learn）是一个广泛使用的Python库，它提供了各种算法，包括线性回归、逻辑回归、决策树、随机森林以及支持向量机（SVM）。这些模型对于预测分析和模式识别至关重要。让我们逐一探讨...
机器学习实战（Python3）：kNN、决策树、贝叶斯、逻辑回归、SVM、线性回归、树回归.zip
08-25
在本压缩包中，我们涵盖了多个机器学习领域的关键算法，包括k近邻（kNN）、决策树、朴素贝叶斯、逻辑回归、支持向量机（SVM）、线性回归以及树回归。这些算法是数据科学和机器学习基础的重要组成部分，它们在预测...
sklearn.feature_extraction 中 DictVectorizer类的使用
qq_39777550的博客
08-15 1460
from sklearn.feature_extraction import DictVectorizer DictVectorizer: 字典向量化 举例一，键值全部为数之的字典： v = DictVectorizer(sparse=False) D = [{'foo': 1, 'bar': 2}, {'foo': 3, 'baz': 1}] sparse：布尔值，可选。 变换是否应该产生scipy.sparse矩阵,默认为True。 X = v.fit_transform(D) 输出结果为： ar
sklearn字典特征抽取——DictVectorize()
qq_43775592的博客
07-07 1465
sklearn特征抽取API：sklearn.feature_extraction DictVectorizer的处理对象是符号化（非数字化）的但是具有一定结构的特征数据，如字典等，将符号转成数字0/1表示。 字典特征抽取的API：sklearn.feature_extraction.DictVectorizer DictVectorizer的语法： DictVectorizer(sparse = True,……) DictVectorizer.fit_transform(x) # X :文本或者包含文
Python文本特征提取 DictVectorizer CountVectorizer TfidfVectorizer 附代码详解
Alin_Zhang
07-08 4375
Python 文本特征提取 DictVectorizer CountVectorizer TfidfVectorizer 文本特征提取：将文本数据转化成特征向量的过程。 python-sklearn库的模块 sklearn.feature_extraction 可用于提取符合机器学习算法支持的特征，比如文本和图片。 【注】特征特征提取与特征选择有很大的不同：前者包括将任意数据（如文本或图像）转换为...
03_数据的特征抽取，sklearn特征抽取API，字典特征抽取DictVectorizer,文本特征抽取CountVectorizer，TF-IDF(TfidfVectorizer),详细案例
涂作权的博客
04-10 1995
数据的特征抽取 A:特征抽取实例演示 通过演示得出结论： 特征抽取针对非连续型数据 特征抽取对文本等进行特征值化 注：特征值化是为了计算机更好的去理解数据。 B:sklearn特征抽取API sklearn.feature_extraction模块，可以用于从包含文本和图片的数据集中提取特征，以便支持机器学习算法使用。 注意：Feature extraction与Feature Selecti...
[机器学习-Sklearn]函数sklearn.feature_extraction.DictVectorizer理解与总结
Harry的博客
05-20 2222
机器学习-Sklearn之DictVectorizer函数学习函数介绍例子1例子2 - 文件中读数据 函数介绍 sklearn.featture_extraction.DictVectorizer: 　　将特征与值的映射字典组成的列表转换成向量。 　　DictVectorizer通过使用scikit-learn的estimators，将特征名称与特征值组成的映射字典构成的列表转换成Numpy数组或者Scipy.sparse矩阵。 　　当特征的值是字符串时，这个转换器将进行一个二进制One-hot编码。One
4.2 文本特征抽取的两种方式CountVectorizer与TfidfVectorizer
柳杰的博客
01-12 916
文章目录引言一、CountVectorizer—统计次数1.介绍案例二、TfidfVectorizer1.介绍2.案例 引言 在我看来，以下两种方法都是将文本数据转换为数值型数据。 CountVectorizer的数组格式可以理解为数组每一行记录每一个文本数据中单词的个数 TfidfVectorizer的数组格式可以理解为数组每一行记录每一个文本数据中单词的重要性 一、CountVectorizer—统计次数 作用主要为：对文本数据进行特征值化 1.介绍 细节详见官网 作用：对文本数据进行特征值化
编码字典类特征、使用sklearn的DictVectorizer方法将字典组成的列表转换成向量、详解及实战
data+scenario+science+insight
05-05 550
编码字典类特征、使用sklearn的DictVectorizer方法将字典组成的列表转换成向量、详解及实战 sklearn.feature_extraction.DictVectorizer() 把字典特征转化为特征矩阵。 sklearn.feature_extraction.DictVectorizer：将字典组成的列表转换成向量。(将特征与值的映射字典组成的列表转换成向量) # Import library from sklearn.feature_ext...
sklearn.feature_extraction.DictVectorizer特征抽取（特征向量化）
gary101818的博客
12-13 2228
sklearn.feature_extraction.DictVectorizer DictVectorizer ( * , dtype =<class 'numpy.float64'> , separator='=' , sparse=True , sort=True ) 将特征值映射列表转换为向量。 该转换器将特征名称到特征值的映射列表（类似字典的对象）转换为 Numpy 数组或 scipy.sparse 矩阵，以便与 scikit-learn 估计器一起使用。 当特征值是字符串时，此转换
希望分别使用 CountVectorizer 和 TfidfVectorizer 对新闻文本数据进行特征提取，并验证提取是否正确
immense的博客
03-07 1657
编程要求 本关任务，希望分别使用 CountVectorizer 和 TfidfVectorizer 对新闻文本数据进行特征提取，并验证提取是否正确。 数据介绍： 采用fetch_20newsgroups("./step5/",subset='train', categories=categories)函数加载对应目录的新闻数据，subset='train'指定采用的是该数据的训练集，cate...
DictVectorizer
dxm809的博客
06-11 442
import sklearn from sklearn.feature_extraction import DictVectorizer def dictvect(): vect = DictVectorizer(sparse=False) data = vect.fit_transform([{"city":"bj","temperature":20},{"city":"sh","temperature":30},{"city":"sz","temperature":40}]) .
回归与决策树详解：机器学习实战课程关键
本资源是一份关于机器学习中的回归与决策树课程的PPT，内容涵盖了回归分析的多个方面，包括线性回归、多元线性回归以及它们在实际问题中的应用。在讲解回归部分，首先介绍了线性回归的基本概念，如线性模型的一般...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值