Python实战人工智能教程
文章平均质量分 90
软件工程硕士在读生,以Python实战为主线,全面掌握机器学习基础。
丹牛Daniel
软件工程研究生
展开
-
Python机器学习教程—岭回归的原理和实现
在某些场景下,线性回归无法给出一个效果好的预测模型,那么就需要使用线性回归的升级版,去面对更复杂的应用场景,本文所记录的岭回归便是线性回归的一个升级版。原创 2022-11-06 12:24:17 · 5959 阅读 · 2 评论 -
Python机器学习教程—回归模型的评估与封装
在之前已介绍了线性回归的模型算法,那么有了模型之后,如何去评估这个模型的效果究竟是好还是差呢?而如果得到一个效果较好的模型又如何去将其封装,方便他人使用呢?这需要具备回归模型的评估与封装的知识。原创 2022-11-01 22:52:12 · 1505 阅读 · 2 评论 -
Python机器学习教程—线性回归的实现(不调库和调用sklearn库)
本文尝试使用两个版本的python代码,一个是不使用库函数版本,另一个是调用sklearn库版本的,来实现线性回归。原创 2022-10-27 10:13:01 · 3152 阅读 · 1 评论 -
Python机器学习教程—超参数的调整与可视化
机器学习模型要想能够很好的应用,必须要能够学会调整超参数,在训练中找到最适合的超参数,本文以前文曾讲过的线性回归为例,来进行学习超参数的调整与作图的实现,即可视化。原创 2022-10-27 10:01:27 · 1878 阅读 · 1 评论 -
Python机器学习教程—线性回归原理和实现
第一个要讲的机器学习算法便是线性回归,从此模型入手便于我们很快的熟悉机器学习的流程,便于以后对其他算法甚至是深度学习模型的掌握。什么是线性回归?回归问题在前文曾提到过,是指利用机器学习的模型算法找出一组数据输入和输出之间的关系,输出是连续的数据那么这个问题便是回归问题,而所谓线性回归,即是使用线性数学模型解决生活中回归预测问题。即找到一个最优秀的线性模型y=f(x)表达样本数据特征之间的规律,从而传入未知输出的输入x,求出预测的输出y。原创 2022-10-15 11:32:10 · 1320 阅读 · 2 评论 -
Python机器学习教程—数据预处理(sklearn库)
了解了机器学习的基础知识后我们便正式进入机器学习的实践领域,通过实践来了解机器学习到底都在做些什么,首先要进行的一项重要工作便是数据预处理。日常生活中的数据有文字、图像、音频等多种形式,但熟悉计算机的同学都知道它们在计算机中会以以后在机器学习中最常接触的便是“一行一样本、一列一特征”的数据样本矩阵。一般情况下利用python的sklearn库来解决数据预处理、构建机器学习模型包括模型评估的问题,所有预处理的api基本都在这个库中,这个模块也会是我们知道对当前的一组数据都有什么样的预处理手段和api方法。原创 2022-10-13 21:47:14 · 1890 阅读 · 9 评论 -
Python机器学习教程—前传:机器学习介绍(2)
简单直白介绍,机器学习必备基础知识。原创 2022-10-10 22:55:42 · 361 阅读 · 0 评论 -
Python机器学习教程—前传:机器学习介绍(1)
以python实战为主线,简单直白的方式带领读者掌握Python机器学习的基础内容。原创 2022-10-09 19:30:49 · 284 阅读 · 0 评论