![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
基于Sklearn的机器学习入门
文章平均质量分 78
Jason 2008
这个作者很懒,什么都没留下…
展开
-
010-基于Sklearn的机器学习入门:聚类(上)
它是按照某个特定标准(如距离)把一个数据集分割成不同的类或簇,使得同一个簇内的数据对象的相似性尽可能大,同时不在同一个簇中的数据对象的差异性也尽可能地大。按照策略不同,传统的聚类方法主要可以分为三类:划分式聚类方法(Partition-based Methods)、基于密度的聚类方法(Density-based methods)、层次化聚类方法(Hierarchical Methods)等。本节及后续章节将介绍深度学习中的几种聚类算法,所选方法都在Sklearn库中聚类模块有具体实现。原创 2024-06-17 17:26:08 · 251 阅读 · 0 评论 -
005-基于Sklearn的机器学习入门:逻辑回归
本节将介绍机器学习中一种简单而又经典的分类算法:逻辑回归。原创 2024-07-09 18:56:08 · 138 阅读 · 1 评论 -
004-基于Sklearn的机器学习入门:回归分析(下)
在一般的线性回归中,使用的假设函数是一元一次方程,也就是二维平面上的一条直线。多项式回归中,加入了特征的更高次方(例如平方项或立方项),也相当于增加了模型的自由度,用来捕获数据中非线性的变化。添加高阶项的时候,也增加了模型的复杂度。随着模型复杂度的升高,模型的容量以及拟合数据的能力增加,可以进一步降低训练误差,但导致过拟合的风险也随之增加。本节及后续章节将介绍机器学习中的几种经典回归算法,包括线性回归,多项式回归,以及正则项的岭回归等,所选方法都在Sklearn库中聚类模块有具体实现。原创 2024-07-08 16:42:41 · 362 阅读 · 0 评论 -
003-基于Sklearn的机器学习入门:回归分析(上)
本节及后续章节将介绍机器学习中的几种经典回归算法,所选方法都在Sklearn库中聚类模块有具体实现。本节为上篇,将介绍基础的线性回归方法,包括线性回归、逻辑回归、多项式回归和岭回归等。2.1 回归分析概述。2.1 回归分析概述。原创 2024-06-30 18:09:37 · 248 阅读 · 0 评论 -
002-基于Sklearn的机器学习入门:基本概念
本节将继续介绍与机器学习有关的一些基本概念,包括机器学习的分类,性能指标等。同样,如果你对本节内容很熟悉,可直接跳过。原创 2024-07-01 16:11:33 · 264 阅读 · 0 评论 -
001-基于Sklearn的机器学习入门:数据处理与Sklearn标准数据集
该数据集包含了 506 个波士顿地区的房屋数据,其中每个数据点都有 13 个变量(例如犯罪率、房产税率、房间数量等)和一个目标变量(房屋价格的中位数)。该数据集最初由 Harrison, D. 和 Rubinfeld, D.L. 在 1978 年发布。本节将介绍Sklearn库基本功能,以及其自带的几个标准数据集的调用方法。本节是学习后面内容的基础,如果您已经对本节内容相当熟悉,可跳过本节内容。Sklearn自带许多标准数据集,这些数据集从简单到复杂,可用于机器学习的各个领域。(1)波士顿房价数据集。原创 2024-06-18 18:16:20 · 151 阅读 · 0 评论 -
000-基于Sklearn的机器学习入门:工作环境搭建与配置
本专栏将介绍基于Scikit-learn(简称Sklearn)的机器学习入门知识。包括但不一定限于,机器学习基本知识、Sklearn库简介,基于Sklearn库的机器学习实践。这是本专栏的第000篇,将介绍如何安装和配置Sklearn环境,不仅包括Sklearn库的安装和配置,还包括本教程所用的Python开发环境——Jupyterlab软件的安装配置。原创 2024-06-04 21:05:02 · 395 阅读 · 0 评论