k近邻算法，朴素贝叶斯算法，分类模型评估，模型调优

最新推荐文章于 2022-10-31 22:25:48 发布
最新推荐文章于 2022-10-31 22:25:48 发布
阅读量435 收藏 5
点赞数
分类专栏： 学习笔记 python 文章标签： 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/Tracy19970428/article/details/107516738
版权

k近邻算法，朴素贝叶斯算法，分类模型评估，模型调优

k近邻算法

k近邻算法概述
  1. k近邻算法的定义
    如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。
  2. 距离计算公式
    两个样本的距离可以通过如下公式计算，又叫欧式距离
    若点a,b坐标如下：a(a1,a2,a3),b(b1,b2,b3)
    则点a,b间的距离计算公式如下：
    在这里插入图片描述
k近邻算法代码实现
  1. API：sklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm=‘auto’)
  • n_neighbors：int,可选（默认= 5），k_neighbors查询默认使用的邻居数
  • algorithm：{‘auto’，‘ball_tree’，‘kd_tree’，‘brute’}，可选用于计算最近邻居的算法：‘ball_tree’将会使用 BallTree，‘kd_tree’将使用 KDTree。‘auto’将尝试根据传递给fit方法的值来决定最合适的算法。 (不同实现方式影响效率)
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.preprocessing import StandardScaler

def knncls():

# 读取数据
    data = pd.read_csv(r"E:\data\facebook-v-predicting-check-ins\train.csv\train.csv")

# 缩小数据集范围
    data = data.query("x>1.0&x<1.25&y>1.0&y<1.25")

    # print(data.head(10))

# 把时间戳特征转化为天、小时、周，删除时间戳特征
    time_value = pd.to_datetime(data['time'],unit='s')
    # print(type(time_value))
    time_value = pd.DatetimeIndex(time_value)
    data['day'] = time_value.day
    data['hour'] = time_value.hour
    data['weekday'] = time_value.weekday
    data = data.drop(['time'],axis =1)
    print(data.head(10))

# 减少目标值个数，把签到数量小于3的目标位置删除
    place_count = data.groupby('place_id').count()
    tf = place_count[place_count.row_id>3].reset_index()
    data = data[data['place_id'].isin(tf.place_id)]

# 取出特征值和目标值
    y = data['place_id']
    x = data.drop(['place_id'],axis=1)

# 将数据分割为训练集和测试集

    x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.25)

# 标准化（特征工程）
    std = StandardScaler()
    x_train = std.fit_transform(x_train)
    x_test = std.fit_transform(x_test)

# knn算法流程
    knn = KNeighborsClassifier()
    knn.fit(x_train,y_train)
    y_predict = knn.predict(x_test)
    print("预测目标签到位置为：",y_predict)
    print(knn.score(x_test,y_test))

    return None

if __name__ == '__main__':
    knncls()

输出结果：

  row_id       x       y  accuracy    place_id  day  hour  weekday
2450    2450  1.2427  1.1598       224  6026000998    5    21        0
2636    2636  1.0256  1.0355       148  5152560199    9    19        4
2766    2766  1.0814  1.0391        70  8517315303    6    20        1
3164    3164  1.0442  1.0195       117  5152560199    6    18        1
3342    3342  1.0528  1.0103         9  1109153906    1    15        3
4755    4755  1.2161  1.0410       123  8330850914   10     1        5
6245    6245  1.0204  1.0027        20  2013736336    2    22        4
7675    7675  1.2380  1.0588        83  6852043069    8    23        3
8082    8082  1.0081  1.1633       165  5028377747    8    17        3
9565    9565  1.1783  1.0316         7  5887940395    3    23        5


预测目标签到位置为： [2229770936 2229770936 4338348850 ... 1650177003 8765197091 1985125281]
0.33544093178036605
k近邻算法的评价
  1. k取不同值时对算法性能的影响
    k值取很小：容易受异常点影响
    k值取很大：容易受最近数据太多导致比例变化
  2. k近邻算法优缺点
    优点：简单，易于理解，易于实现，无需估计参数，无需训练
    缺点：1）懒惰算法，对测试样本分类时的计算量大，内存开销大；2）必须指定K值，K值选择不当则分类精度不能保证
  3. 使用场景：小数据场景

朴素贝叶斯算法

朴素贝叶斯算法概述

以贝叶斯公式为概率基础的模型，前提条件为事件之间相互独立

朴素贝叶斯代码实现
  1. API： sklearn.naive_bayes.MultinomialNB(alpha = 1.0)
    朴素贝叶斯分类
    alpha：拉普拉斯平滑系数
import pandas as pd
from sklearn.datasets import fetch_20newsgroups
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.naive_bayes import MultinomialNB


def naviebayes():

    news = fetch_20newsgroups(subset= 'all')

    # 数据分割
    x_train,x_test,y_train,y_test = train_test_split(news.data,news.target,test_size=0.25)

    # 特征抽取
    tf = TfidfVectorizer()

    # 转化为one-hot编码
    x_train = tf.fit_transform(x_train)
    x_test = tf.transform(x_test)

    # 朴素贝叶斯算法过程
    mlt = MultinomialNB(alpha=1.0)
    mlt.fit(x_train,y_train)
    y_predict = mlt.predict(x_test)
    print("预测的文章类别为：", y_predict)
    print("准确率为：", mlt.score(x_test,y_test))


    return None


if __name__ == '__main__':
    naviebayes()

输出结果：

预测的文章类别为： [11 14  6 ... 17  3  7]
准确率为： 0.8404074702886248
朴素贝叶斯的评价

优点：

  1. 朴素贝叶斯模型发源于古典数学理论，有稳定的分类效率。
  2. 对缺失数据不太敏感，算法也比较简单，常用于文本分类。
  3. 分类准确度高，速度快。
    缺点：需要知道先验概率P(F1,F2,…|C)，因此在某些时候会由于假设的先验模型（事件相互独立）的原因导致预测效果不佳。

分类模型的评估

分类模型评估概述
  1. estimator.score()
    一般最常见使用的是准确率，即预测结果正确的百分比
  2. 其他评价指标：精确率(Precision)，召回率(Recall)，F1-score
  • 精确率：预测结果为正例样本中真实为正例的比例（查得准）
  • 召回率：真实为正例的样本中预测结果为正例的比例（查的全，对正样本的区分能力）
  • F1-score：反映了模型的稳健性
分类模型评估代码实现
  1. API：sklearn.metrics.classification_report(y_true, y_pred, target_names=None)
    y_true：真实目标值
    y_pred：估计器预测目标值
    target_names：目标类别名称
    return：每个类别精确率与召回率
  2. 以文本分类为例的模型评估
import pandas as pd
from sklearn.datasets import fetch_20newsgroups
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.naive_bayes import MultinomialNB
from sklearn.metrics import classification_report


def naviebayes():

    news = fetch_20newsgroups(subset= 'all')

    # 数据分割
    x_train,x_test,y_train,y_test = train_test_split(news.data,news.target,test_size=0.25)

    # 特征抽取
    tf = TfidfVectorizer()

    # 转化为one-hot编码
    x_train = tf.fit_transform(x_train)
    x_test = tf.transform(x_test)

    # 朴素贝叶斯算法过程
    mlt = MultinomialNB(alpha=1.0)
    mlt.fit(x_train,y_train)
    y_predict = mlt.predict(x_test)
    print("预测的文章类别为：", y_predict)
    print("准确率为：", mlt.score(x_test,y_test))
    print("每个类别的精确率和召回率：",classification_report(y_test,y_predict,target_names=news.target_names))

    return None


if __name__ == '__main__':
    naviebayes()

输出结果：

预测的文章类别为： [15 15 10 ... 17  4  7]
准确率为： 0.849320882852292
每个类别的精确率和召回率：                           precision    recall  f1-score   support

             alt.atheism       0.95      0.65      0.77       223
           comp.graphics       0.87      0.79      0.83       225
 comp.os.ms-windows.misc       0.89      0.85      0.87       245
comp.sys.ibm.pc.hardware       0.75      0.85      0.80       246
   comp.sys.mac.hardware       0.90      0.86      0.88       234
          comp.windows.x       0.96      0.85      0.90       254
            misc.forsale       0.92      0.75      0.83       246
               rec.autos       0.89      0.94      0.92       224
         rec.motorcycles       0.94      0.95      0.95       252
      rec.sport.baseball       0.96      0.96      0.96       267
        rec.sport.hockey       0.92      0.98      0.95       243
               sci.crypt       0.73      0.98      0.83       238
         sci.electronics       0.91      0.77      0.83       251
                 sci.med       0.98      0.84      0.91       279
               sci.space       0.90      0.95      0.92       252
  soc.religion.christian       0.46      0.98      0.63       221
      talk.politics.guns       0.84      0.95      0.89       247
   talk.politics.mideast       0.91      0.97      0.94       236
      talk.politics.misc       0.99      0.66      0.79       173
      talk.religion.misc       0.96      0.15      0.27       156

               micro avg       0.85      0.85      0.85      4712
               macro avg       0.88      0.83      0.83      4712
            weighted avg       0.88      0.85      0.85      4712

模型的调优

相关概念
交叉验证
  1. 目的：为了让被评估的模型更加准确可信
  2. 交叉验证过程：将拿到的数据，分为训练和验证集。以下图为例：将数据分成5份，其中一份作为验证集。然后经过5次(组)的测试，每次都更换不同的验证集。即得到5组模型的结果，取平均值作为最终结果。又称5折交叉验证。
    在这里插入图片描述
网格搜索
  1. 目的：对超参数进行搜索
  2. 使用网格搜索的原因：通常情况下，有很多参数是需要手动指定的（如k-近邻算法中的K值），这种叫超参数。但是手动过程繁杂，所以需要对模型预设几种超参数组合。每组超参数都采用交叉验证来进行评估。最后选出最优参数组合建立模型。
模型调优代码实现
  1. API：sklearn.model_selection.GridSearchCV(estimator, param_grid=None,cv=None)
    对估计器的指定参数值进行详尽搜索
    estimator：估计器对象
    param_grid：估计器参数(dict){“n_neighbors”:[1,3,5]}
    cv：指定几折交叉验证
    fit：输入训练数据
    score：准确率
    结果分析：
    best_score_:在交叉验证中测试的最好结果
    best_estimator_：最好的参数模型
    cv_results_:每次交叉验证后的测试集准确率结果和训练集准确率结果
  2. 以k近邻算法为例的模型调优
import pandas as pd
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.neighbors import KNeighborsClassifier
from sklearn.preprocessing import StandardScaler

def knncls():

# 读取数据
    data = pd.read_csv(r"E:\data\facebook-v-predicting-check-ins\train.csv\train.csv")

# 缩小数据集范围
    data = data.query("x>1.0&x<1.25&y>1.0&y<1.25")

    # print(data.head(10))

# 把时间戳特征转化为天、小时、周，删除时间戳特征
    time_value = pd.to_datetime(data['time'],unit='s')
    # print(type(time_value))
    time_value = pd.DatetimeIndex(time_value)
    data['day'] = time_value.day
    data['hour'] = time_value.hour
    data['weekday'] = time_value.weekday
    data = data.drop(['time'],axis =1)
    print(data.head(10))

# 减少目标值个数，把签到数量小于3的目标位置删除
    place_count = data.groupby('place_id').count()
    tf = place_count[place_count.row_id>3].reset_index()
    data = data[data['place_id'].isin(tf.place_id)]

# 取出特征值和目标值
    y = data['place_id']
    x = data.drop(['place_id'],axis=1)

# 将数据分割为训练集和测试集

    x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.25)

# 标准化（特征工程）
    std = StandardScaler()
    x_train = std.fit_transform(x_train)
    x_test = std.fit_transform(x_test)

# knn算法流程
    knn = KNeighborsClassifier()


    # knn.fit(x_train,y_train)
    # y_predict = knn.predict(x_test)
    # print("预测目标签到位置为：",y_predict)
    # print(knn.score(x_test,y_test))


# 对knn的超参数进行优化
    # 参数备选范围
    param = {"n_neighbors": [3,5,7]}
    # 网格搜索
    gc = GridSearchCV(knn, param_grid=param, cv = 5)
    gc.fit(x_train,y_train)

# 预测准确率
    print("在测试集上准确率：",gc.score(x_test,y_test))
    print("在交叉验证中的最好结果：",gc.best_score_)
    print("最好的模型是：",gc.best_estimator_)
    print("每个超参数每次交叉验证的结果为：",gc.cv_results_)

    return None



if __name__ == '__main__':
    knncls()

输出结果：

在测试集上准确率： 0.337936772046589
在交叉验证中的最好结果： 0.3361069506850835
最好的模型是： KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski',
           metric_params=None, n_jobs=None, n_neighbors=7, p=2,
           weights='uniform')
每个超参数每次交叉验证的结果为： {'mean_fit_time': array([0.10036383, 0.01190853, 0.01141105]), 'std_fit_time': array([0.16776234, 0.00257666, 0.00149117]), 'mean_score_time': array([0.25650139, 0.19496632, 0.20525126]), 'std_score_time': array([0.15538092, 0.01424587, 0.00708061]), 'param_n_neighbors': masked_array(data=[3, 5, 7],
             mask=[False, False, False],
       fill_value='?',
            dtype=object), 'params': [{'n_neighbors': 3}, {'n_neighbors': 5}, {'n_neighbors': 7}], 'split0_test_score': array([0.28536913, 0.32456376, 0.33583893]), 'split1_test_score': array([0.28361858, 0.31893507, 0.33441999]), 'split2_test_score': array([0.3024093 , 0.3303794 , 0.34561063]), 'split3_test_score': array([0.29421721, 0.32327221, 0.32665726]), 'split4_test_score': array([0.2969697 , 0.32871573, 0.33795094]), 'mean_test_score': array([0.29239474, 0.32512343, 0.33610695]), 'std_test_score': array([0.00711984, 0.00407093, 0.00607468]), 'rank_test_score': array([3, 2, 1]), 'split0_train_score': array([0.58033841, 0.52810796, 0.49531534]), 'split1_train_score': array([0.57709466, 0.52697616, 0.4928203 ]), 'split2_train_score': array([0.57810766, 0.5225444 , 0.48994173]), 'split3_train_score': array([0.57982323, 0.5222345 , 0.49240436]), 'split4_train_score': array([0.57807993, 0.52513391, 0.49031726]), 'mean_train_score': array([0.57868878, 0.52499938, 0.4921598 ]), 'std_train_score': array([0.00120481, 0.00233497, 0.00193744])}
smalllllerr
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
基于朴素贝叶斯算法解决新闻分类问题
05-11
使用sklearn库实现朴素贝叶斯算法。使用词向量算法对文本数据进行处理。 资源内容包括： 1、完整的用于实现新闻分类任务的源码文件（ipynb格式） 2、哈工大停用词表 3、四川大学机器智能实验室停用词表 4、用于测试...
K 近邻算法极其模型的评估Sklearn / KNN
Amanda_python的博客
10-26 623
import pandas as pd import numpy as np os.chdir('C:/Users/Liu/Desktop') #导入数据的路径 #数据量太多，主要看这几条 features = ['accommodates','bedrooms','bathrooms','beds','price','minimum_nights','maximum_nights','number_of_reviews'] #读数据 dc_listings = pd.read_csv('list..
机器学习—朴素贝叶斯及其优化
Chun_0521的博客
07-15 2601
本文转载于：别再闹了博客https://www.cnblogs.com/jiading/p/11624387.html 机器学习—朴素贝叶斯 本文代码均来自《机器学习实战》 朴素贝叶斯的两个基本假设： 独立：一个特征出现的可能性和与它和其他特征相邻没有关系 每个特征同等重要 这段代码是以文本分类为例介绍朴素贝叶斯算法的 要从文本中获取特征，需要先拆分文本。这里的特征是来自文本的词条（token），一个词条是字符的任意组合。可以把词条想象为单词，也可以使用非单词词条，如URL、IP地址或者任意其
【机器学习】K-近邻算法-模型选择与调优
微信公众号: 后端码匠
08-13 848
前言 在KNN算法中，k值的选择对我们最终的预测结果有着很大的影响 那么有没有好的方法能够帮助我们选择好的k值呢？ 模型选择与调优 目标 说明交叉验证过程 说明参数搜索过程 应用GirdSearchCV实现算法参数的调优 应用 Facebook 签到位置预测调优 什么是交叉验证（cross validation） 定义 将拿到的训练数据，分为训练和验证集，以下图为例：将数据分成4份，其中一份作为验证集，然后经过4次（组）的测试，每次都更换不同的验证集，即得到4组模型的结果，取平均值作为最终结
kd树优化的k近邻算法
ggdhs的博客
06-26 1937
前言 k紧邻最简单的实现方法是线性扫描，即遍历整个训练数据集，计算每一个训练实例与输入实例之间的距离。时间复杂度为o（N），当训练数据集中的实例点数N很大时，非常耗时，为了提高k近邻搜索的效率，可以使用特殊的数据结构存储训练数据，以减少计算距离的次数。常用的算法就是kd树方法。 1. kd—Tree Kd-Tree，即K-dimensional tree，是一棵二叉树，树中存储的是一些K维数据。在...
朴素贝叶斯及模型选择、调优
Swayzzu的博客
09-16 2020
概率基础 概率：某件事情发生的可能性。 联合概率：包含多个条件，并且所有条件同时成立的概率 记作：P(A,B) P(A, B) = P(A) * P(B) 条件概率：事件A在另外一个事件B已经发生的条件下的发生概率 记作：P(A|B) 特性：P(A1,A2|B) = P(A1|B)P(A2|B) 注意：此条件概率的成立，是由于A1,A2相互独立的结果 朴素贝叶斯原理：对于每一个样本，算出属于每一个类别的概率，归为概率最高的那一类。 朴素贝叶斯：朴素意思就是特征独立 P(科技|文档.
k近邻算法和朴素贝叶斯算法课件
08-15
k近邻算法和朴素贝叶斯算法课件
算法杂货铺—分类算法之朴素贝叶斯分类
03-02
0、写在前面的话我个人一直很喜欢算法一类的东西，在我看来算法是人类智慧的精华，其中蕴含着无与伦比的美感。而每次将学过的算法应用到实际中，并解决了实际问题后，那种快感更是我在其它地方体会不到的。一直想写...
论文研究-基于引力模型的朴素贝叶斯分类算法.pdf
07-22
针对朴素贝叶斯分类器在分类过程中不同类别的同一特征量之间由于存在相似性，易导致误分类的现象，提出基于引力模型的朴素贝叶斯分类算法。提出以引力公式中距离变量的平方作为相似距离，应用引力模型来刻画特征与其...
项目实战-朴素贝叶斯算法实现新闻分类源码及数据集.zip
04-17
1、内容概要：本资源主要基朴素贝叶斯算法实现新闻分类，适用于初学者学习文本分类使用。 2、新闻分类源码实现过程：将数据集划分为训练集和测试集；使用jieba模块进行分词，词频统计，停用词过滤，文本特征提取，将...
机器学习算法基础——朴素贝叶斯、模型的评估、选择和调优
qq_42873479的博客
09-25 3537
机器学习基础——三朴素贝叶斯 朴素贝叶斯 朴素——特征独立 1.概率知识 联合概率：包含多个条件，且所有条件同时成立。P(A,B)=P(A)P(B) 条件概率：就是事件A在另外一个事件B已经发生条件下的发生概率，记作：P（A|B）。 特性：P（A1，A2|B）= P（A1|B）P（A2|B）（条件A1，A2相互独立）。 2.朴素贝叶斯——贝叶斯公式 P(C∣W)=P(W∣C)P(C)P(W)P(C|W)=\frac{P(W|C)P(C)}{P(W)}P(C∣W)=P(W)P(W∣C)P(C)​ 注：文档分类
机器学习基础算法（三）----- 朴素贝叶斯算法、模型调优与选择
mangogogo321的博客
01-12 1042
文章目录一. 概率基础1. 联合概率和条件概率2. 朴素贝叶斯-贝叶斯公式3. 拉普拉斯平滑二. 朴素贝叶斯算法案例1. sklearn朴素贝叶斯实现API2. 朴素贝叶斯案例流程3. 朴素贝叶斯分类优缺点三. 分类模型的评估1. 混淆矩阵2. 精确率与召回率3. 分类模型评估API四. 模型选择与调优1. 交叉验证2. 网格搜索 一. 概率基础 概率定义为一件事情发生的可能性 1. 联合概率和条件概率 2. 朴素贝叶斯-贝叶斯公式 3. 拉普拉斯平滑 如果得到的概率为零，可用拉普拉斯平滑系数解决
机器学习：k近邻算法（KNN）介绍
weixin_51998499的博客
10-31 1879
Iris （/ˈaɪrɪs/） 数据集是机器学习任务中常用的分类实验数据集，由Fisher在1936年整理。· Iris ：Anderson’s Iris data set， 中文名称：安德森鸢尾花数据集· Iris 数据集一共包含150个样本，分3类，每类50个数据，每个数据包含4个特征。4个特征分别为： Sepal.Length（花萼长度）、Sepal.Width（花萼宽度）、Petal.Length（花瓣长度）、Petal.Width（花瓣宽度），特征值都为正浮点数，单位为厘米。
自然语言处理之朴素贝叶斯小结
ml_1019的博客
08-30 1320
此篇博客为自然语言处理之朴素贝叶斯的总结 更多详细信息参考超链接内容1.朴素贝叶斯=贝叶斯公式 + 条件独立假设2.朴素贝叶斯的效果好，尤其是在有大量语料的情况下。3.处理重复语句的三种方式4.处理未在训练集中覆盖的词语——平滑技术（赋予一个小概率，从而调低整体的概率）5.直接匹配关键词处理垃圾邮件，为何行不通。6.实际工程中的小技巧： 取对数，把乘法变成加法.并预先把对应的概率求出来 引入正常邮
机器学习算法基础4-K-近邻算法、朴素贝叶斯算法、分类模型评估、模型的选择与调优
柳杰的博客
07-25 730
文章目录一、K-近邻算法1.定义2.计算距离公式3.sklearn k-近邻算法API4.K-近邻算法实例-预测入住位置5.通过k-近邻算法对生物物种进行分类——鸢尾花(load_iris)6.k-近邻算法优缺点二、朴素贝叶斯算法1.概率基础2.朴素贝叶斯原理介绍-特征相互独立(条件独立)3.朴素贝叶斯算法案例-sklearn20类新闻分类4.朴素贝叶斯算法的优缺点三、分类模型评估1.概念2.分类模型评估API3.案例四、模型的选择与调优1.交差验证2.网格搜索-调超参数1）超参数搜索-网格搜索API2）K
K近邻、朴素贝叶斯算法
人工智能之路
12-22 492
K近邻 K近邻算法详解 机器学习：K-近邻算法（KNN） k近邻法及kd树 K-近邻需要做标准化处理 相似的样本，特征之间的值应该都是相近的 K取值影响最终结果 距离公式（欧式距离） 两个样本，有三个特征，a(a1,a2,a3),b(b1,b2,b3),c(c1,c2,c3),d,e,f,g…其中a为未分类的，则：step 1: … 之后，比较他们的大小 step 2:选出距离最小的K个值 s...
hdfs的javaAPI，hdfs的小文件合并，MapReduce
Tracy19970428的博客
06-11 1996
hdfs的javaAPI，hdfs的小文件合并，MapReducehdfs的javaAPI创建创建maven工程并导入jar包使用url的方式访问数据使用文件系统方式访问数据获取FileSystem的几种方式遍历文件系统当中的所有文件下载文件到本地hdfs上创建文件夹hdfs文件上传HDFS权限问题以及伪造用户hdfs的小文件合并MapReduceMapReduce思想MapReduce设计构思MapReduce框架结构MapReduce示例编写编写步骤WordCount示例编写 hdfs的javaAPI
pandas电影数据分析
Tracy19970428的博客
05-16 1807
电影数据分析初始操作数据读取数据集成用透视表对电影进行数据分析选取评分高或低的电影不同性别对电影平均评分的差异pandas分组运算分析不同年龄段的评分规律改良操作总结 初始操作 数据读取 输入 import numpy as np import pandas as pd from pandas import Series, DataFrame import matplotlib.pyplot as plt %matplotlib inline # 数据读取 labels = ['UserId','Ge
机器学习概述、数据特征抽取、数据特征处理
Tracy19970428的博客
07-20 1622
机器学习概述、数据特征抽取、数据特征处理机器学习概述机器学习的定义机器学习的应用场景机器学习常用库数据的特征工程数据集数据的结构组成特征工程的定义特征工程的意义数据的特征抽取字典的特征抽取文本特征抽取英文文本中文文本TF-IDF数据的特征处理特征处理的概念数据处理的方法归一化标准化缺失值 机器学习概述 机器学习的定义 机器学习是从数据中自动分析获得规律（模型），并利用规律对未知数据进行预测 机器学习的应用场景 自然语言处理 计算机视觉 智能驾驶 系统推荐 … 机器学习常用库 scikit-learn：
朴素贝叶斯算法与线性模型有何异同？
最新发布
04-28
朴素贝叶斯算法和线性模型是两种常见的机器学习算法，它们在一些方面有相似之处，但也存在一些显著的差异。 相同之处： 1. 都是监督学习算法：朴素贝叶斯算法和线性模型都是基于已知标签的训练数据进行学习和预测的...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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