![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
机器学习导论,机器学习-基础算法
溯水襄陵_
这个作者很懒,什么都没留下…
展开
-
Sklearn_工具--4SKlean数据集变换
SKlean数据集变换一.SKlean数据集变换操作综述1.Pipline和FeatureUnin:组合estimators1.1Pipline1.2FeatureUnion2.SKLearn特征抽取(Feature Extraction)2.1Loading Features From Dicts2.2Features hashing2.3Text Feature Extraction2.4Im...原创 2020-04-22 10:34:03 · 455 阅读 · 0 评论 -
Sklearn_工具--3SKlearn中的模型选择体系--四.SKlearn模型选择之模型评估方法--3.使用sklearn.metric中的性能度量函数
四.SKlearn模型选择之模型评估方法--3.使用sklearn.metric中的性能度量函数四.SKlearn模型选择之模型评估方法3.使用sklearn.metric中的性能度量函数 四.SKlearn模型选择之模型评估方法 3.使用sklearn.metric中的性能度量函数 ...原创 2020-04-21 11:57:27 · 1387 阅读 · 0 评论 -
Sklearn_工具--3SKlearn中的模型选择体系
SKlearn中的模型选择体系一.SKlearn模型选择之数据集划分策略1.API2.示例SKlearn模型选择之超参数优化方法SKlearn模型选择之模型验证方法SKlearn模型选择之模型评估方法 一.SKlearn模型选择之数据集划分策略 1.API KFold:k折交叉验证,还有他的变体 LeaveOneOut:留一法,及其变体 ShuffleSplit:随机划分,及其变体 Predef...原创 2020-04-17 21:50:48 · 1290 阅读 · 1 评论 -
Sklearn_工具--2SKlearn介绍
SKlearn介绍一.Python科学计算环境Final二.SKlearn算法库的顶层设计1.SKlearn包含哪些模块2.SKlearn六大板块统一API 一.Python科学计算环境Final Scikit-Image是专门用来处理图像的机器学习接口 处理图像的还有OpenCV,OpenCV使用c和c++写的,但是提供了python接口,可以用python去调用 二.SKlearn...原创 2020-04-14 14:02:02 · 1100 阅读 · 0 评论 -
Sklearn_工具--1理论基础
理论基础一.机器学习绪论二.监督学习1.监督学习的概念与数学形式2.统计机器学习的三要素3.监督学习的三大问题3.1分类问题3.2标注问题3.3回归问题三.无监督学习1.什么是无监督学习2.无监督学习的主要方法四.强化学习1.强化学习的基本内容2.强化学习的实践应用五.学习器的设计1.设计原理2.实践 课程来源:http://www.studyai.cn/index.html 一.机器学习绪论 1...原创 2020-04-12 15:14:31 · 392 阅读 · 0 评论 -
机器学习算法基础--1.
机器学习算法基础一.特征工程和文本特征提取1.数据集的组成2.特征工程3.数据的特征抽取3.1sklearn特征抽取API3.2字典特征抽取 一.特征工程和文本特征提取 1.数据集的组成 从历史数据中获得规律。 这些历史数据是什么格式? 机器学习的数据大多数不存在数据库中,大多数以文件形式存储。不仅是csv一种。这里以csv数据为例。 为什么不存在数据库中,要存到文件中: 比如mysql, ...原创 2020-04-08 11:31:31 · 685 阅读 · 0 评论 -
机器学习导论--2.机器学习业务基础及架构详解
机器学习业务基础及架构详解一.机器学习基本概念1.结合实例来说明数据集基础概念2.数据处理3.机器学习角度对样本的描述4.性能评价标准(包括前面的误差)5.总结要掌握的概念6.概念学习7.几个重要概念的理解 一.机器学习基本概念 1.结合实例来说明数据集基础概念 数据集的名称:对应在业务上要解决什么问题 分析数据集: 对行和列都分析。 看数据集本身:把数据集的行和列与关系型数据库作对比。 ...原创 2020-03-27 21:02:40 · 701 阅读 · 0 评论 -
机器学习导论--1.机器学习理论基础详解
机器学习理论基础详解一.大数据时代究竟改变了什么大数据的4V特征 一.大数据时代究竟改变了什么 数据的重要性 数据资源转变为数据资产 方法论 基于知识的理论完美主义转变为基于数据的历史经验主义 数据分析 统计学(抽样)转变为数据科学(大数据) 数据科学家出现,拥有(大数据+算法+更加丰富的业务知识) 计算智能 基于复杂算法的数据分析转变为简单算法(MapReduce) 决策 基于目标决策(先制...原创 2020-03-26 12:19:02 · 1203 阅读 · 0 评论