数据挖掘
文章平均质量分 64
Python,UCI,DM
Big波斯
有问题可以加v:gougelanqiu
展开
-
第五章 三种搜索策略和超参数调优
1、支持向量机 (网格搜索策略)2、随机森林(随机搜索)3、神经网络 (贝叶斯搜索)原创 2022-05-31 18:28:42 · 1359 阅读 · 0 评论 -
第四章 分类器集合,K折交叉验证以及置信区间计算
文章目录前言一、什么是交叉验证?(corss-validation,简称CV)二、使用步骤1.引入库2.读入数据3.分类器K近邻感知机贝叶斯4.K折交叉验证5.置信区间总结前言学习数据挖掘,用于记录练习和回顾一、什么是交叉验证?(corss-validation,简称CV)当评估器对不同的模型参数(“超参数”)进行评估时,如参数C是支持向量机的一个超参数,在模型未调整前,仍有过拟合的风险,因为参数的选择决定模型的最佳表现。然而,通过这种方式,测试集中的信息仍有可能会“泄露”到模型中,导致评估指标原创 2022-05-15 17:33:44 · 1984 阅读 · 0 评论 -
第三章 决策树分类及两种可视化方法
决策树可视化方法原创 2022-04-26 20:37:13 · 521 阅读 · 0 评论 -
第二章 wine数据集几种可视化集合
第二章 wine数据集几种可视化集合文章目录第二章 wine数据集几种可视化集合前言一、wine红酒质量数据集二、使用步骤1.引入库2.读入数据总结前言学习数据挖掘,用于记录练习和回顾一、wine红酒质量数据集数据地址:https://archive.ics.uci.edu/ml/datasets/Wine二、使用步骤1.引入库import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport se原创 2022-04-08 11:24:36 · 5822 阅读 · 1 评论 -
第一章 UCI数据集wine.data主成分分析PCA
第一章 UCI数据集wine.data主成分分析PCA文章目录第一章 UCI数据集wine.data主成分分析PCA前言一、是什么PCA?二、PCA算法流程二、使用步骤1.引入库2.读入数据3.数据标准化(规范化)4.主成分分析PCA5.PCA可视化总结(拓展)前言提示:这里可以添加本文要记录的大概内容:学习数据挖掘,用于记录练习和回顾提示:以下是本篇文章正文内容,下面案例可供参考一、是什么PCA?经典主成分分析(Classical Principal Component Analysi原创 2022-03-13 21:26:22 · 5011 阅读 · 0 评论