![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 74
Z小超爱学习
程序媛
展开
-
机器学习——算法进阶(回归)
机器学习——算法进阶(回归)线性回归最大似然估计MLE最小二乘法的本质Logistic回归分类问题的首选算法多分类:Softmax回归目标函数技术点梯度下降算法最大似然估计特征选择 线性回归 目标值数据为连续型:回归 目标值数据为离散型:分类 最大似然估计MLE 最小二乘法的本质 Logistic回归 分类问题的首选算法 多分类:Softmax回归 目标函数 技术点 梯度下降算法 最大似然估计 特征选择 ...原创 2021-01-18 13:50:34 · 95 阅读 · 0 评论 -
Deep learning ——(Gradient Descent)
Deep learning ——(Gradient Descent)Gradient DescentreviewTip 1: Tuning your learning ratesAdaptive Learning RatesAdagradTip 2: Stochastic Gradient DescentTip 3: Feature ScalingMore Limitation of Gradient Descent Gradient Descent review Tip 1: Tuning your原创 2021-01-17 17:55:19 · 98 阅读 · 0 评论 -
Deep learning——Regression
Deep learning ——Regression)RegressionExample ApplicationStep 1: ModelStep 2: Goodness of FunctionStep 3: Best FunctionStep 4: Gradient DescentHow’s the results?Model SelectionBack to step 1:Redesign the ModelBack to step 1:Redesign the Model AgainBack to s原创 2021-01-16 22:11:48 · 314 阅读 · 0 评论 -
机器学习——算法基础(逻辑回归分析,K-means)
机器学习——算法基础(逻辑回归分析,K-means)分类算法-逻辑回归什么是逻辑回归逻辑回归的损失函数、优化sklearn逻辑回归APILogisticRegression总结K-meansk-means步骤k-means APIk-means 性能评估Kmeans性能评估指标APIKmeans总结 分类算法-逻辑回归 什么是逻辑回归 逻辑回归:线性回归的式子作为输入 ,解决二分类问题。 输入:ℎ(????)= ????_0+〖????_1 ????〗_1+????_2 ????_2+… = ????^??原创 2021-01-14 18:18:29 · 340 阅读 · 0 评论 -
机器学习——算法基础(线性回归分析)
机器学习——算法基础(线性回归分析,逻辑回归,Kmeans)回归算法-线性回归分析什么是线性回归线性模型线性回归损失函数(误差大小)最小二乘法之梯度下降sklearn线性回归正规方程、梯度下降API分类算法-逻辑回归聚类算法-kmeans 回归算法-线性回归分析 什么是线性回归 线性模型 线性回归 线性回归:寻找一种能预测的趋势 定义:线性回归通过一个或者多个自变量与因变量之间之间进行建模的回归分析。其中特点为一个或多个称为回归系数的模型参数的线性组合 一元线性回归:涉及到的变量只有一个 多元线性回归:涉原创 2021-01-13 21:23:14 · 190 阅读 · 0 评论 -
机器学习——算法基础(决策树,随机森林)
机器学习——算法基础(决策树,随机森林)分类算法-决策树认识决策树信息熵决策树的划分依据之一-信息增益信息增益的计算常见决策树使用的算法sklearn决策树API决策树的结构、本地保存决策树的优缺点以及改进集成学习方法-随机森林什么是集成学习什么是随机森林随机森林建立多个决策树的过程集成学习API随机森林的优点 分类算法-决策树 认识决策树 决策树思想的来源非常朴素,程序设计中的条件分支结构就是if-then结构,最早的决策树就是利用这类结构分割数据的一种分类学习方法 信息熵 “谁是世界杯冠军”的信息量应原创 2021-01-10 22:15:42 · 355 阅读 · 0 评论 -
机器学习——算法基础(KNN,朴素贝叶斯)
机器学习——算法基础(KNN,朴素贝叶斯)转换器与估计器转换器估计器sklearn机器学习算法的实现-估计器估计器的工作流程分类算法-k近邻算法(KNN)什么是k近邻算法(KNN)sklearn k-近邻算法APIKaggle案例数据来源数据处理代码与结果k-近邻算法优缺点分类算法-朴素贝叶斯朴素贝叶斯-贝叶斯公式sklearn朴素贝叶斯实现API朴素贝叶斯案例流程代码与结果朴素贝叶斯分类优缺点分类模型的评估混淆矩阵精确率(Precision)与召回率(Recall)其他分类标准分类模型评估API模型的选择原创 2021-01-09 18:52:29 · 1048 阅读 · 0 评论 -
机器学习——算法基础2
机器学习——算法基础2数据降维特征选择特征选择的原因特征选择是什么特征选择的方法sklearn特征选择API主成分分析(PCA)PCA是什么sklearn主成分分析APIkaggle降维案例数据来源代码与结果机器学习算法和分类监督学习非监督学习分类问题什么是分类问题分类问题的应用回归问题什么是回归问题回归问题的应用 数据降维 这里的降维指的是减少特征的数量。 特征选择 特征选择的原因 冗余:部分特征的相关度高,容易消耗计算性能 噪声:部分特征对预测结果有负影响 特征选择是什么 特征选择就是单纯地从提取到的所原创 2021-01-08 22:31:22 · 92 阅读 · 0 评论 -
机器学习——算法基础1
机器学习——算法基础机器学习的简介什么是机器学习机器学习应用场景数据集机器学习的数据可用的数据集常用数据集的结构组成特征工程特征工程是什么特征工程的意义Scikit-learn库介绍特征抽取字典特征抽取文本特征抽取中文使用jieba分词TF-IDF特征的预处理特征处理是什么sklearn特征处理API归一化sklearn归一化API归一化的总结标准化与归一化对比sklearn特征化API标准化的总结缺失值 机器学习的简介 什么是机器学习 机器学习是从数据中自动分析获得规律(模型),并利用规律对未知数据进行预原创 2021-01-07 21:10:05 · 93 阅读 · 0 评论 -
机器学习——数学基础(矩阵与线性代数)
机器学习——数学基础(矩阵与线性代数)矩阵矩阵的基本知识矩阵的分解(SVD的分解)伴随矩阵方阵的逆矩阵的乘法概率转移矩阵矩阵和向量组矩阵和向量的乘法矩阵的秩秩与线性方程组解的关系向量组等价系数矩阵正交阵特征值和特征向量正定阵矩阵求导 矩阵 矩阵的基本知识 矩阵的分解(SVD的分解) 伴随矩阵 方阵的逆 矩阵的乘法 概率转移矩阵 平稳分布: 矩阵和向量组 矩阵和向量的乘法 矩阵的秩 秩与线性方程组解的关系 推论: 向量组等价 系数矩阵 正交阵 特征值和特征向量 特征值的性质:原创 2021-01-06 21:18:27 · 426 阅读 · 0 评论 -
机器学习——数学基础
机器学习——数学基础什么是机器学习机器学习可以解决什么机器学习的方法 什么是机器学习 机器学习可以解决什么 给定数据的预测问题 1,数据清洗/特征选择 2,确定算法模型/参数优化 3,结果预测 步骤一: 训练数据—>特征提取—>选择机器学习算法—>建好模型 步骤二: 测试数据—>特征提取—>模型—>预测结果 机器学习的方法 ...原创 2020-12-20 19:59:52 · 159 阅读 · 1 评论 -
数据科学库——matplotlib
数据科学库——matplotlibmatplotlib为什么学习matplotlib基础绘图绘制散点图绘制条形图绘制直方图matplotlib使用流程matplotlib更多图形样式 matplotlib 为什么学习matplotlib 能将数据进行可视化,更直观的呈现 使数据更加客观,具有说服力 基础绘图 axis指的就是x轴或者y轴 from matplotlib import pyplot as plt ##从2开始 到26截止(不包含26),步长为2 ## range(start,stop,step原创 2020-11-30 22:14:14 · 225 阅读 · 2 评论