机器学习
liuxiangke0210
这个作者很懒,什么都没留下…
展开
-
k-means算法实际应用
原文链接:http://www.cnblogs.com/leoo2sk/archive/2010/09/20/k-means.html4.1、摘要 在前面的文章中,介绍了三种常见的分类算法。分类作为一种监督学习方法,要求必须事先明确知道各个类别的信息,并且断言所有待分类项都有一个类别与之对应。但是很多时候上述条件得不到满足,尤其是在处理海量数据的时候,如果通过预处理使得数据满足分类算法的...转载 2018-03-11 17:41:29 · 25532 阅读 · 4 评论 -
鸢尾花(iris)数据集分析
原文链接:https://www.jianshu.com/p/52b86c774b0bIris 鸢尾花数据集是一个经典数据集,在统计学习和机器学习领域都经常被用作示例。数据集内包含 3 类共 150 条记录,每类各 50 个数据,每条记录都有 4 项特征:花萼长度、花萼宽度、花瓣长度、花瓣宽度,可以通过这4个特征预测鸢尾花卉属于(iris-setosa, iris-versicolour...转载 2019-05-12 22:51:50 · 18537 阅读 · 0 评论 -
利用sklearn中pipeline构建机器学习工作流
原文链接:https://blog.csdn.net/anshuai_aw1/article/details/82498857当我们对训练集应用各种预处理操作时(特征标准化、主成分分析等等), 我们都需要对测试集重复利用这些参数,以免出现数据泄露(data leakage)。pipeline 实现了对全部步骤的流式化封装和管理(streaming workflows with pipeli...转载 2019-05-12 14:42:19 · 339 阅读 · 0 评论 -
预处理数据的方法总结(使用sklearn-preprocessing)
原文链接:https://blog.csdn.net/sinat_33761963/article/details/53433799预处理数1. 标准化:去均值,方差规模化Standardization标准化:将特征数据的分布调整成标准正太分布,也叫高斯分布,也就是使得数据的均值维0,方差为1.标准化的原因在于如果有些特征的方差过大,则会主导目标函数从而使参数估计器无法正确地去学习其他...转载 2019-05-21 15:23:40 · 203 阅读 · 0 评论 -
sklearn 中的 Pipeline 机制
原文链接:https://blog.csdn.net/lanchunhui/article/details/50521648from sklearn.pipeline import Pipeline1管道机制在机器学习算法中得以应用的根源在于,参数集在新数据集(比如测试集)上的重复使用。管道机制实现了对全部步骤的流式化封装和管理(streaming workflows with pip...转载 2019-05-07 11:49:04 · 159 阅读 · 0 评论 -
使用余弦定理计算文本相似度
原文链接:https://www.biaodianfu.com/cosine_similarity.html文本相似度:收藏链接:通俗易懂http://www.ruanyifeng.com/blog/2013/03/tf-idf.htmlhttp://www.ruanyifeng.com/blog/2013/03/cosine_similarity.html 什么是余...转载 2018-12-26 10:50:23 · 2114 阅读 · 0 评论 -
TutorialsPoint NumPy 教程
原文链接:https://www.jianshu.com/p/57e3c0a92f3a来源:NumPy Tutorial - TutorialsPoint译者:飞龙协议:CC BY-NC-SA 4.0在线阅读PDF格式EPUB格式MOBI格式代码仓库NumPy - 简介NumPy 是一个 Python 包。 它代表 “Numeric Python”。 它是一个由多维数组对象和用于处理数组的例程集合...转载 2018-07-11 10:49:43 · 912 阅读 · 0 评论 -
reshape(-1,1)什么意思 numpy.reshape
大意是说,数组新的shape属性应该要与原来的配套,如果等于-1的话,那么Numpy会根据剩下的维度计算出数组的另外一个shape属性值。举几个例子或许就清楚了,有一个数组z,它的shape属性是(4, 4) z = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15...转载 2019-10-05 16:52:32 · 1536 阅读 · 0 评论