机器学习
文章平均质量分 50
annyangya
写代码写笔记,在练习中不断成长,加油!
展开
-
感知机学习:鸢尾花二分类
感知机二分类模型:????(????)=sign(????⋅????+????)最小化损失函数:import pandas as pdimport numpy as npfrom sklearn.datasets import load_irisimport matplotlib.pyplot as plt加载数据集:iris = load_iris()iris:‘target_names’: arra...原创 2020-04-23 17:24:10 · 2521 阅读 · 1 评论 -
多元线性回归实现梯度下降
笔记: 代码实现:在线性回归模型中使用梯度下降法import numpy as npimport matplotlib.pyplot as pltnp.random.seed(666)#数据随机,保持一致x = 2 * np.random.random(size=100)#100个样本,每个样本有一个特征y = x * 3. + 4. + np.random...原创 2018-07-27 17:01:20 · 2309 阅读 · 0 评论 -
简单线性回归的实现
首先给出一个简单的示例import numpy as npimport matplotlib.pyplot as pltx = np.array([1., 2., 3., 4., 5.])y = np.array([1., 3., 2., 3., 5.])plt.scatter(x,y)plt.show()效果: 可以清楚看到点的分布情况,接下来我们尝试寻找一条合...原创 2018-07-15 13:38:27 · 400 阅读 · 0 评论 -
机器学习之简单的数据探
featurename: [‘sepal length (cm)’, ‘sepal width (cm)’, ‘petal length (cm)’, ‘petal width (cm)’]首先看前两个特征X = iris.data[:,:2]#获取所有行,取前两列plt.scatter(X[:,0], X[:,1])#第0列,第1列plt.xlabel("sepal...原创 2018-07-14 16:21:45 · 276 阅读 · 0 评论 -
图片
1原创 2018-07-07 14:59:00 · 129 阅读 · 0 评论 -
通过实现线性回归讨论数据
分析数据:import numpy as npimport matplotlib.pyplot as pltfrom sklearn import datasetsboston = datasets.load_boston()X = boston.datay = boston.targetX = X[y < 50.0]y = y[y < 50.0]f...原创 2018-07-24 15:37:35 · 360 阅读 · 0 评论 -
使用scikit_learn实现线性回归
这里仍然使用波士顿房价数据。import numpy as npfrom sklearn import datasetsfrom sklearn.model_selection import train_test_splitfrom sklearn.linear_model import LinearRegressionboston=datasets.load_bos...原创 2018-07-24 15:11:32 · 365 阅读 · 0 评论 -
使用正规化方程实现多元线性回归
笔记 接下来在代码中实现多元线性回归:import numpy as npfrom sklearn.metrics import r2_score&quot;&quot;&quot;多元线性回归的实现&quot;&quot;&quot;class LinearRegression: def __init__(self): self.coef_=None原创 2018-07-24 14:41:28 · 1328 阅读 · 0 评论 -
线性回归中的梯度下降
模拟梯度下降法import numpy as npimport matplotlib.pyplot as pltplot_x = np.linspace(-1., 6., 141)#绘制损失曲线,x点plot_xarray([-1. , -0.95, -0.9 , -0.85, -0.8 , -0.75, -0.7 , -0.65, -0.6 , -0.55...翻译 2018-07-18 14:23:36 · 233 阅读 · 0 评论 -
线性回归实现及线性回归中衡量算法模型的标准(R-Squared,MSE.RMSE,MAE)
MSE:均方误差,mean_squared_error RMSE:均方根误差,root_mean_squared_error MAE:平均绝对误差,mean_absolute_error05 衡量回归算法的标准,MSE vs MAEimport numpy as npimport matplotlib.pyplot as pltfrom sklearn import dat...原创 2018-07-23 17:38:27 · 5033 阅读 · 7 评论 -
python3实现机器学习--KNN算法详解
首先我们通过一个简单的数据集来了解一下KNN算法。import matplotlib as mplimport matplotlib.pyplot as pltimport numpy as npdata_x=[[3.342342, 2.3231231], [3.12122, 1.782342], [1.343423, 3.362342], [3.5823423, 4.67...原创 2018-07-11 13:52:44 · 800 阅读 · 0 评论