- 博客(7)
- 收藏
- 关注
原创 反演系列之MLP学习
多层感知器MLPRegressor训练与测试的数据文件在jupyterlab中实现的python代码运行结果查看训练与测试的数据文件在jupyterlab中实现的python代码#bp神经网络or多层感知机#导入模块from sklearn.neural_network import MLPRegressorimport pandas as pdimport numpy as np#导入数据data_tr=pd.read_csv('D:\\python38\\BPdata_tr.txt
2020-11-08 21:43:40 371 1
原创 我的scikit-learn学习6.23
1 填补数据缺失值from sklearn.impute import SimpleImputer1.1 用mean或0填补#采用mean值from sklearn.impute import SimpleImputerimp_mean = SimpleImputer(missing_values=np.nan, strategy="mean")x_missing_mean = imp_mean.fit_transform(x_missing) #训练并填补#采用0填补imp_0 = Sim
2020-06-23 22:25:28 182 1
原创 我的scikit-learn学习6.22
@[TOC] 学习笔记:随机森林List item集成算法随机森林RFRandomForestClassifierclass sklearn.ensemble.RandomForestClassifier(n_estimators=’10’, criterion=’gini’, max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features=’auto’, m
2020-06-23 02:03:23 197
原创 我的scikit-learn学习6.20晚
CV&DTR交叉验证当数据不足时,为选择更优的模型,可进行交叉验证Cross-validation,重复使用数据。交叉验证也可用于观察模型的稳定性。将数据集分为n份,其中1份为测试集,n-1份为训练集,对模型进行交叉验证n次,对n次的评价结果求平均值,作为对模型效果的度量。from sklearn.model_selection import cross_val_scoreregressor = DecisionTreeRegressor(random_state=0)#实例化cross_
2020-06-20 22:39:31 150
原创 我的Scikit-learn学习6.20
学习笔记:利用决策树对三种不同结构的数据集进行分类。#模块导入import numpy as npimport matplotlib.pyplot as pltfrom matplotlib.colors import ListedColormapfrom sklearn.model_selection import train_test_splitfrom sklearn.preprocessing import StandardScalerfrom sklearn.datasets im
2020-06-20 18:05:36 272
原创 我的scikitlearn学习6.18
学习笔记:分类树sklearn1 分类树DTC2 分类树建模流程基本代码3 参数说明3.1 DecisionTreeClassifier3.1.1 criterion3.1.2 random_state&splitter3.1.3 剪枝参数3.1.4 目标权重参数3.2 模型属性3.3 算法接口4 决策树生成与绘制总程序5 实例1 分类树DTC分类树(Decision Tree Classifier)中的一些概念:根节点中间结点叶子结点子节点与父节点2 分类树建模流程基本代码fr
2020-06-18 22:03:42 257
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人