Pandas
lindaicoding
这个作者很懒,什么都没留下…
展开
-
pd.get_dummies()用法
在数据的预处理过程中,我们需要将一个特征变量变为计算机能读懂的特征距离。pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False, dtype=None)详细参数:prefix:str, list of str, 或 dict of str, 默认为 None用于追加DataFrame列名称的字符串。prefix_s原创 2021-07-13 09:36:25 · 28865 阅读 · 0 评论 -
逻辑递归sklearn.LogisticRegeression 算法介绍
逻辑回归(Logistic regression)是机器学习分类算法的其中一种,核心思想是利用现有数据对分类边界建立回归方程,以此进行分类。回归可以理解为最佳拟合,是一种选择最优分类的算法。与线性递归(Linear Regression)师出同门,逻辑递归是线性递归的特殊表达形式。有一些目标函数给我们的不是具体的数值,比如预测房价。而是给了我们有限的选择值。比如预测能不能上清华,结果是有限的。能上用0表示,不能上用1表示。这种将结果分为有限的类的技巧就叫做逻辑递归。不同于线性递归,输出的是具体的值,逻辑原创 2021-07-09 12:02:33 · 282 阅读 · 0 评论 -
线性回归模型sklearn.LinearRegression()原理解析
一、模型原理Linear Rgegrssion基于最小二乘法的线性回归。是机器学习算法里面的基本算法,在sklearn.linear_model 的包里面。它能解决的问题是通过数据拟合,从而得到比较符合事物内部规律的数学表达式。也就是说寻找到数据与数据之间的规律所在。例如对于房价的预测。二、线性回归的原理表示我们先从最简单的函数看起,在只有一个变量的情况下,线性回归可以用方程:y = ax+b 表示。Linear Regression模型会去不断的去调整下图直线的斜率和截距,使得残差平方和.原创 2021-07-09 11:11:21 · 2939 阅读 · 0 评论 -
梯度下降 Gradient Descent 算法详解,从实例中学习用梯度优化算法求解线性回归模型中的参数
一、模型原理Linear Rgegrssion基于最小二乘法的线性回归。是机器学习算法里面的基本算法,在sklearn.linear_model 的包里面。它能解决的问题是通过数据拟合,从而得到比较符合事物内部规律的数学表达式。也就是说寻找到数据与数据之间的规律所在。例如对于房价的预测。二、线性回归的原理表示我们先从最简单的函数看起,在只有一个变量的情况下,线性回归可以用方程:y = ax+b 表示。Linear Regression模型会去不断的去调整下图直线的斜率和截距,使得残差平方和R原创 2021-07-09 10:56:27 · 1119 阅读 · 0 评论 -
Python numpy.linspace使用方法
目的:在指定的间隔内返回均匀间隔的数字用法:numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)参数:-> start : 起始位置-> stop : 终点未知-> restep : 默认false,走一步幅度为1.你也可以自己设置步幅-> num : 你要多少个样本-> dtype : 输出的类型实例:print("B\n", g原创 2021-07-07 10:34:17 · 377 阅读 · 0 评论