dd112474的博客

有一个样本是否均衡的参数，为True时，后面乘以的P（嫁）和P（不嫁）也就不用算了，样本不均衡就调为False。P（A|B）表示在B条件下，A发生的概率 （从后往前）不知道样本均不均衡，就不管这个参数，让电脑自己判断就可以了。的大小，分母是一样的，所以其实只需要比较分子大小就ok。条件概率和全概率 是贝叶斯基础。贝叶斯是 朴素贝叶斯 的基础。

这三列，例如：有电视，就在房间描述出现‘电视’这一列标1，或者在房间描述出现‘彩电’也标1，或者在房间描述出现‘电视机’也标1，或者在房间描述出现‘有线电视’也标1，判断标1还是0这个操作可以用lambda函数来实现，他和def定义一个函数效果一样，但是更方便，适用于这种简单的函数操作。整体看看有哪些指标，先去重，目的是想把指标选出来，有这个指标我就打上1，没有就打0 (效果如上图)思路是把要删除的指标生成一个列表存起来，遍历这个列表里面的指标，在result里面remove这些指标。

KMeans 没有yDBSCAN 没有y，但是有半径和领域KNN 必须有y，y是离散型（看属于哪一类“近朱者赤”）线性回归 y是连续型逻辑回归 y是离散型。

结果的准确性score全是负数，一是检查模型能不能调整优化，而是看看数据清洗转化是否出错，如果都没有那就不要用这个模型了，score要越接近1才越好。结果报错了，报错代码是：1D表示1维，arry表示numpy中的数组。目前运行就可以建模了，红色部分表示有效代码，其余部分自己打草稿用。但是报错了，有两种报错形式，是同一个意思：数组的行列反了，应该。还是会报错，因为这里一维数组是Series类型，我们要把。原因是我们这里是一维数组，线性回归必须要二维数组。或者直接出来以后强制转换一次。，后面直接调参就可以。.

还有就是，这里准确度用的数据是x_test 和 y_test ,要把上面代码的score写成。注意区分，一般lr缩写表示逻辑回归，线性回归不要用这个缩写。调参（在循环里建模，字典，追加，DataFrame显示）表示不进行归一化（归约），不进行归一化可以少一步计算量。最高的，有两个都是0.668759，都可以选，在python里是关键字，不加引号。...

所以这时候就用L1-lasso回归解决过拟合问题，λ越大（λ越敏感）这一坨对结果影响就越大，在不断迭代过程中，由于不断接近最低点，所以绿色的两坨都在不断的减小，而蓝色这坨里面的|Ki|是在不断增大（为了避免减小的步伐太大了，是一个。通俗理解原理：由于下山的时候步长可能过大，会出现走到第6步的时候，离最低点已经很近了但还没到最低点，这时候再走一步到第7点那个位置，发现这一步误差比上一步更大了，因此选择上一步为迭代的终点。(|Ki|)，其中λ是一个自己来定的常数(正数)，λ越大后面这坨小尾巴的影响效果就越大。.

线性回归：1，监督算法2，y是连续的，属于回归算法（KNN是离散的y，属于分类算法）我的理解：一个人，站在山顶（红色部分），他想走到山脚（蓝色半部分），他迈出的每一步的步幅（学习率α）是相同的。那么，他往越陡的方向走，就越快到达山脚，这里“越陡”就是沿着斜率方向，而斜率就是求偏导，这也就是为啥线性回归那里误差函数前面有个1/2方便在这里抵消偏导的*2梯度下降和最小二乘法都可以求得 y=ax+b 里面的a和b链接：梯度下降算法的通俗理解。...

情况2:把测试集和训练集的划分放到了调参的循环中。调参之前把训练集和测试集准备好，只有参数在变化。情况1:调参只调了n neighbors。，同时两个数据都在变，所以结果准确性的。，由于test数据是随机抽取的，所以。结果跟参数之间的一个关系。特别说一下情况二，因为。...

K最近邻算法的核心思想是:如果一个样本在特征空间中的k个最相邻（最相似，距离最近)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，并具有这个类别上样本的特性。2,算法原理：KMeans有挨个遍历各个点的距离，聚成簇，KNN没有。得到的预测数据y_p和测试数据y_test个数都一样，说明预测成功了。3，KNN结果是分类（监督类），KMeans结果是簇（非监督类）1，有没有y（监督，无监督）：KNN有y，监督类算法。所谓K最近邻，就是k个最近的邻居的意思，2，y是类别类型（y是离散的）......

可以发现这个DataFrame由于没有统一的列坐标，所以全部变到对角线上了，下一步我们就单独增设俩列变量，让它变成常见的DataFrame。发现从4-5变化量已经和上一次3-4的差很接近，变化很小了，所以从4以后这个区域都可以选（一般选4-6）现在的代码这么写也可以，单独把k和inertia提出来，对比一下两种写法。这里的第七个明显变大了，说明前一个比后一个大很多，因此，k取9-10。x和y已经得到两个list，只需要遍历到y的个数减一个。代码实现：分三个层次的成果，先展示成果，在详细拆解步骤。...

这个前面都写过，下面是一个完整的流程，可以自己实践完整写一遍。直接看全文代码吧，DBSCAN在后半部分。

DBSCAN不用，但是要事先给半径和圈内最小点个数 eps 和 min_points_运用的时候可以两个都用，在对比说明为什么选这个算法。异常点对聚类结果影响不大（KMeans影响很大）DBSCAN可以发现任意形状的簇（最大优势）样本集密度不均匀，聚类间距相差很大不适合。噪声点多的话，建议用DBSCAN。KMeans需要事先给出K，调参比KMeans复杂一点点。...

它将簇定义为密度相连的点组成的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类1，可以聚成任意形状的簇2，可以把噪声点排除在外，不属于任何簇（kmeans必须有一个簇）......

n_clusters :K值。max_iters:迭代次数。2，小于误差平方和或者阈值。1,达到约定迭代次数。tol：总误差平方和。

标记质心 cluster_centers_ 结合刚才已经求得的质心坐标，第1列（索引0）为横坐标，第2列（索引1）为纵坐标，点图plt.scatter(横坐标对应数据列，纵坐标对应数据列，颜色c=clf.labels_,标记marker=‘x’)eg:只要索引为0的第一列，表示为 [:，0]，：表示行不要。注意，color用c肯定不会错，用color有时会报错。查看质心cluster_centers_查看每个点所属于的簇的标签labels_数据格式（左下）和最终结果（右上）

思想：最终是要找簇内误差平方和inertia最小，以及对应的k，那可以先给最后得到的min_inertia赋一个很大的值，每找到一个更小的就进行替换。先给最后得到的min_inertia赋一个很大的值，k初始值为0用来储存最后得到的n_clusters。判断inertia大小，将min_inertia替换成小的,同时把此时的i赋值给k。1，用.idxmin（） 返回在请求轴上第一次出现最小值的索引。可以将字典生成一个一维数组更直观 .series()注意这俩返回的索引不一样，但是对应值是一样的。

导入包–准备数据–拟合模型。

【代码】机器学习1.5 kmeans-最优参数。

python中return的作用,完善代码，方便以后复用。#三步走：定义–规则–赋值。

比如：C:\Users\DANNY\Desktop\ ----> C:/Users/DANNY/Desktop/其中2处是导出文件的名称，可以自己取，我这里是叫DataFrame导出。但是这个表是简略版的，如果需要完整查看，就需要导出成CSV文件。在写代码时，我们会用到DataFrame来更直观的观察代码。只需要改变False和True即可，需要index就把。当然在此之前，需要在第一行import所需要的各种包。其中1处是导出的位置，需要注意的是复制过来的是。...

特别提示一下：这里fit的数据是x_test 和 y_test 因为这里用的是线性回归，就关注x训练集和y训练集，之前的算法都是fit（data）就行了。调参（在循环里建模，字典，追加，DataFrame显示）一次，我这里只在外面fit（）一次是不行的。我又去先运行了，构建模型这两行也还是报错。是因为这里有循环，每一次循环都需要。加了一行模型预测（拟合），就OK了。.........