- 博客(7)
- 收藏
- 关注
RSS订阅原创 0基础学习kagge比赛，机器学习，人工智能入门五（数字识别1）
我们单独取第一行来分析,留下第一行其他删除命名为one.csv放在jupyter的一个目录里面，这个表格所代表的含义：用anaconda的jupyter来运行下面的代码得到图像。首先我们来分析训练数据集train.csv，我们取第一行举例说明，第一行是数字1的手写体，有28*28个像素。每个像素的灰度值是0-255，数值越大越亮。这个是理解train.csv的第一步。现在我们很清楚train.csv所代表的含义了。我们再用同样的方法看看第13行，代表的图片9。
2024-01-30 18:10:39
227
1
原创 0基础学习kagge比赛，机器学习，人工智能入门4
由于模型的实际价值来自对新数据的预测，我们在未用于构建模型的数据上衡量性能。这样做的最直接的方式是从模型构建过程中排除一些数据，然后使用这些数据测试模型在以前未见过的数据上的准确性。模型的任务是找到预测房价的模式，因此它会看到这个模式，并且它将始终预测绿色门的房屋价格很高。这是我们的模型质量度量。error = 实际值 - 预测值 因此，如果一座房屋的成本是 $150,000，而你预测它的成本是 $100,000，那么误差就是 $50,000。在这节课中，你将学习使用模型验证来衡量你的模型的质量。
2024-01-25 00:32:06
338
原创 0基础学习kagge比赛，机器学习，人工智能入门3
然后，使用上面保存的X和y中的数据拟合刚刚创建的模型。运行此单元格以设置您的编码环境，继续上一步的工作。将其保存到一个名为y的新变量中。您需要打印列的列表以找到所需列的名称。使用模型的predict命令使用X作为数据进行预测。将结果保存到名为predictions的变量中。由于您只想要原始数据中的一些列，首先创建一个包含X中要使用的列名称的列表。创建了该特征列表后，使用它来创建您将用于拟合模型的 DataFrame。现在，您将创建一个名为X的DataFrame，其中包含预测特征。您已准备好进行模型验证。
2024-01-24 23:32:19
939
原创 0基础学习kagge比赛，机器学习，人工智能入门2
不过，您的爱荷华数据在您使用的列中没有缺失值。因此，我们将采取最简单的选择，即从我们的数据中删除房屋。这被认为是一种良好的做法。Scikit-learn 是对通常存储在 DataFrame 中的数据建模的最流行的库。输入我们的模型（以及后来用于预测的）的列称为“特征”。在我们的情况下，这些将是用于确定房屋价格的列。实际上，您将希望为新上市的房屋进行预测，而不是我们已经有价格的房屋。让我们快速查看我们将用于预测房价的数据，使用 describe 方法和 head 方法，它们分别显示数据的统计信息和前几行。
2024-01-24 20:36:00
348
原创 0基础学习kagge比赛，机器学习，人工智能入门1
我们将从机器学习模型的工作原理以及它们的应用概述开始。如果您以前进行过统计建模或机器学习，这可能会感觉很基础。不用担心，我们将很快进入构建强大模型的阶段。在这门课程中，您将在以下情境中构建模型：您的表弟通过炒房赚了数百万美元。由于您对数据科学的兴趣，他提出与您合作成为商业伙伴。他提供资金，而您则提供能够预测各种房屋价值的模型。您询问表弟他过去是如何预测房地产价值的，他说那只是凭直觉。但通过进一步询问，您发现他已经从过去看到的房屋中识别出价格模式，并使用这些模式为他正在考虑的新房屋做出预测。
2024-01-24 16:22:42
897
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