- 博客(10)
- 资源 (25)
- 收藏
- 关注
原创 sklearn 使用make_regression生成回归样本数据及NumPy拟合
1. 介绍sklearn的make_regression函数能生成回归样本数据。 2. 函数语法3. 参数说明:n_samples:样本数n_features:特征数(自变量个数)n_informative:参与建模特征数n_targets:因变量个数noise:噪音bias:偏差(截距)coef:是否输出coef标识random_state:随机状态若为固定值则每次产生的数据都一样
2020-01-26 18:47:05 15261
原创 机器学习 朴素贝叶斯分类
1. 介绍朴素贝叶斯分类的思想是求出数据实例属于每个类型的概率,通过比较求出最大概率的类别。那么怎么求出数据实例属于某个类别的概率呢?这里就用到了贝叶斯公式及其变形:
2020-01-21 01:20:22 437
原创 NumPy常用操作
0.添加引用1.数据创建与初始化1.1 zeros和ones1.2 full1.3 arange1.4 reshape2. 运算2.1 四则运算2.2点乘
2020-01-08 18:49:54 332
原创 机器学习 K-均值聚类算法(K-Means)
1. 介绍聚类算法: 是一种典型的无监督学习算法,主要用于将相似的样本自动归到一个类别中。2. 算法思想3. 样本数据生成4. 原生代码实现5. sklearn代码实现
2020-01-08 15:24:20 3859
原创 sklearn 使用make_blobs生成聚类样本数据
我们先引入make_blobs并调用,参数请看注释:from sklearn.datasets import make_blobsX, y = make_blobs(n_samples=20, # 生成20个样本 n_features=2, # 每个样本2个特征 centers=3 # 3个中心 ...
2020-01-06 22:07:38 2163
原创 机器学习 K-近邻算法(KNN)
1.介绍K最近邻(k-Nearest Neighbor,KNN)分类算法,是一个理论上比较成熟的方法,也是最简单的机器学习算法之一。该方法的思路是:在特征空间中,如果一个样本附近的k个最近(即特征空间中最邻近)样本的大多数属于某一个类别,则该样本也属于这个类别。2.案例如下图所示,有两类...
2020-01-05 22:14:30 1629
翻译 Kaggle教程 机器学习中级7 数据泄露
在本课程中,你将学习如何什么是数据泄露以及如何避免数据泄露。如果你不知道如何防止,数据泄漏将频繁出现,它将以微妙和危险的方式破坏你的模型。这是数据科学家最重要的概念之一。1、介绍数据泄露是指,在训练数据中包含目标信息,但在预测时没有可用的类似数据。这会使得训练数据(或者验证数据)效果比较好,但实际生产(预测)时效果特别差。也就是说,泄漏导致模型看起来很精确,但用模型做出来的决策却很不准确。...
2020-01-05 15:34:02 1479
翻译 Kaggle教程 机器学习中级6 XGBoost
在本课程中,你将学习如何使用梯度增强方法来构建和优化模型句号。这个方法在Kaggle竞赛中占据优势地位,并且在不同的数据集中取到得很好的结果。1、介绍在本课程的大部分时间里,你已经使用随机森林方法进行了预测,该方法比单个决策树有更好的性能。我们把随机森林方法称为“集成方法”。根据定义,集成方法结合了几个模型(例如,在随机森林的案例中有好几个树)的预测。接下来,我们将学习另一种集成方法,称为...
2020-01-05 12:19:19 1903
AndrewNG深度学习笔记V5.61—黄海广.pdf
2020-01-26
AndrewNG机器学习笔记v5.4—黄海广.pdf
2020-01-26
ABB PC SDK Guide.zip
2019-07-23
M2Mqtt_Unity3D
2019-01-20
quartz-2.2.3-Jar包.zip
2018-04-13
WebRTC实时通信系列示例代码webrtc-web-master.zip
2017-08-07
CryptoJS v3.1.2
2016-12-20
M2Mqtt.Net.dll C#库文件
2016-07-13
SpringMVC视频教程_李守宏主讲(25集)
2014-08-11
普中科技单片机开发板STM32电路图(原理图).pdf
2014-08-08
普中科技单片机开发板EM3_V30原理图.pdf
2014-08-08
STM32库函数LED灯示例源码.zip
2014-07-14
STM32的函数说明(中文).pdf
2014-07-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人