机器学习——2.分类算法

最新推荐文章于 2023-03-13 16:58:08 发布
最新推荐文章于 2023-03-13 16:58:08 发布
阅读量653 收藏 4
点赞数
分类专栏： 机器学习 文章标签： 机器学习 sklearn python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_46279684/article/details/127117832
版权

目录

sklearn转换器和估计器

转换器

估计器（sklearn机器学习算法的实现）

K-近邻算法

what？

K-近邻算法（KNN）原理

如何确定邻居？

电影类型分析

K-近邻算法API

案例1：鸢尾花种类预测

模型选择与调优

交叉验证

超参数搜索-网格搜索

模型选择与调优API

鸢尾花案例增加K值调优

案例：预测facebook签到的位置

朴素贝叶斯算法

概率基础

拉普拉斯平滑系数 

API 

案例：20类新闻分类

决策树 

信息熵

决策树的划分依据之一——信息增益

决策树API

决策树可视化

案例：泰坦尼克号乘客生存预测

随机森林

原理过程

BootStrap抽样

API

sklearn转换器和估计器

转换器

特征工程的父类

  1. 实例化（实例化的是一个转换器类（Transformer））
  2. 调用fit_transform（对于文档建立分类词频矩阵，不能同时调用）

标准化：（x - mean）/ std

        fit_transform()

                fit（）                计算每一列的平均值、标准差

                transform（）（x - mean）/ std进行最终的转换

估计器（sklearn机器学习算法的实现）

  1. 实例化一个estimator
  2. estimator.fit(x_train, y_train)计算，调用完毕，模型生成
  3. 模型评估

        (1)直接比对真实值和预测值

        y_predict = estimator.predict(x_test)

        y_test == y_predict

        (2)计算准确率

        accuracy = estimator.score(x_test, y_test)

K-近邻算法

what？

6c60e958d6284af1a840d7b0cad288b4.png

 根据邻居推测出自己的类别

K-近邻算法（KNN）原理

如果一个样本在特征空间中的k个最相似（即特征空间中最邻近）的样本中的大多数属于某一个类别，则该样本也属于这个类别

k=1？容易受到异常点的影响

如何确定邻居？

计算距离

距离公式（欧式距离）

如a（a1，a2，a3），b（b1，b2，b3）

gif.latex?%5Csqrt%7B%5Cleft%20%28%20a1-b1%20%5Cright%20%29%5E%7B2%7D+%5Cleft%20%28%20a2-b2%20%5Cright%20%29%5E%7B2%7D+%5Cleft%20%28%20a3-b3%20%5Cright%20%29%5E%7B2%7D%7D

曼哈顿距离

gif.latex?%5Csqrt%7B%5Cleft%20%7C%20a1-b1%20%5Cright%20%7C%5E%7B2%7D+%5Cleft%20%7C%20a2-b2%20%5Cright%20%7C%5E%7B2%7D+%5Cleft%20%7C%20a3-b3%20%5Cright%20%7C%5E%7B2%7D%7D

明可夫斯基距离

电影类型分析

e2419740cc7443e9b60a01f9346f45e2.png

分析

k = 1爱情片
k = 2爱情片
... ...
k = 6无法确定
k = 7（新加的一个动作片）动作片

 k值取得过小，容易受到异常点的影响

k值取得过大，样本不均衡的影响

K-近邻算法API

sklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm='auto')

  • n_neighbors:k值，int，可选（默认=5），k_neighbors查询默认使用的邻居数
  • algorithm：{‘auto’，‘ball_tree’，'kd_tree'，‘brute’}，可选用于计算最近邻居的算法：‘ball_tree’将会使用BallTree，‘kd_tree’将使用KDTree。‘auto’将尝试根据传递给fit方法的值来决定最合适的算法。（不同实现方式影响效率）

案例1：鸢尾花种类预测

数据集介绍

f3b7c631e45e4e35812183aea207b863.png

步骤

  1. 获取数据
  2. 数据集划分
  3. 特征工程：标准化
  4. KNN预估器流程
  5. 模型评估
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.preprocessing import StandardScaler

def  knn_demo():
    # 1.获取数据
    iris = load_iris()
    # 2.划分数据集
    x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=6)
    # 3.特征工程：标准化
    transfer = StandardScaler()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.transform(x_test)
    # 4.KNN算法预估器
    estimator = KNeighborsClassifier(n_neighbors=3)
    estimator.fit(x_train, y_train)
    # 5.模型评估
    # 方法一：直接比对真实值和预测值
    y_predict = estimator.predict(x_test)
    print("y_predict:\n", y_predict)
    print("直接比对真实值和预测值：\n", y_test == y_predict)
    # 方法二：计算准确值
    score = estimator.score(x_test, y_test)
    print("准确率为：\n", score)

if __name__ == "__main__":
    knn_demo()

ba7cf1d781944b6e8e49f6dcbc1cbf08.png优点：简单，易于理解，易于实现，无需训练

缺点：

  1. 必须指定K值，K值选择不当则分类精度不能保证
  2. 懒惰算法，对测试样本分类时的计算量大，内存开销大

使用场景：小数据场景，几千~几万样本，具体场景具体业务去测试

模型选择与调优

交叉验证

973948c52a89490aa76b6a11f19d4ee0.png

ee2961bcea4e4a7485cc5e52510bdeb8.png

超参数搜索-网格搜索

 41edf2d872e24c928785c1e06d514c29.png

模型选择与调优API

82f42dbe91b345aa8d786bf1d124aa43.png

鸢尾花案例增加K值调优

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import GridSearchCV

def  knn_demo():
    # 1.获取数据
    iris = load_iris()
    # 2.划分数据集
    x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=6)
    # 3.特征工程：标准化
    transfer = StandardScaler()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.transform(x_test)
    # 4.KNN算法预估器
    estimator = KNeighborsClassifier(n_neighbors=3)
    # 加入网格搜索与交叉验证
    #参数准备
    param_dict = {"n_neighbors": [1, 3, 5, 7, 9, 11]}
    estimator = GridSearchCV(estimator, param_grid=param_dict, cv=10)
    estimator.fit(x_train, y_train)
    # 5.模型评估
    # 方法一：直接比对真实值和预测值
    y_predict = estimator.predict(x_test)
    print("y_predict:\n", y_predict)
    print("直接比对真实值和预测值：\n", y_test == y_predict)
    # 方法二：计算准确值
    score = estimator.score(x_test, y_test)
    print("准确率为：\n", score)
    # 最佳参数：best_params_
    print("最佳参数：\n", estimator.best_params_)
    # 最佳结果：best_score_
    print("最佳结果：\n", estimator.best_score_)
    # 最佳估计器：best_estimator_
    print("最佳估计器：\n", estimator.best_estimator_)
    # 交叉验证结果：vc_results_
    print("交叉验证结果：\n", estimator.cv_results_)

if __name__ == "__main__":
    knn_demo()

cebae2ab63dd45f797ed4c4cfecd8b65.png

案例：预测facebook签到的位置

3f645ed9df28449ca477c9b253e03978.png

流程分析

  • 获取数据
  • 数据处理

        目的：

                特征值 x，目标值 y

        a.缩小数据范围

                2 < x < 2.5

                1.0 < y < 1.5

        b.time --> 年月日时分秒

        c.过滤签到次数少的地点

  • 特征工程：标准化
  • KNN算法预估流程
  • 模型选择与调优
  • 模型评估
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import GridSearchCV
import pandas as pd

def  knn_demo():
    # 1.获取数据
    data = pd.read_csv("train.csv")
    # 2.基本的数据处理
    # 缩小数据范围
    data.query("x < 2.5 & x > 2 & y > 1.0")
    # 处理时间特征
    time_value = pd.to_datetime(data["time"], unit="s")
    date = pd.DatetimeIndex(time_value)
    data["day"] = date.day
    data["weekday"] = date.weekday
    data["hour"] = date.hour
    # 3.过滤签到次数少的地点
    place_count = data.groupby("place_id").count()["row_id"]
    data_final = data[data["place_id"].isin(place_count[place_count > 3].index.values)]
    # 筛选特征值和目标值
    x = data_final[["x", "y", "accuracy", "day", "weekday", "hour"]]
    y = data_final["place_id"]
    # 2.划分数据集
    x_train, x_test, y_train, y_test = train_test_split(x, y)
    # 3.特征工程：标准化
    transfer = StandardScaler()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.transform(x_test)
    # 4.KNN算法预估器
    estimator = KNeighborsClassifier(n_neighbors=3)
    # 加入网格搜索与交叉验证
    #参数准备
    param_dict = {"n_neighbors": [3, 5, 7, 9]}
    estimator = GridSearchCV(estimator, param_grid=param_dict, cv=3)
    estimator.fit(x_train, y_train)
    # 5.模型评估
    # 方法一：直接比对真实值和预测值
    y_predict = estimator.predict(x_test)
    print("y_predict:\n", y_predict)
    print("直接比对真实值和预测值：\n", y_test == y_predict)
    # 方法二：计算准确值
    score = estimator.score(x_test, y_test)
    print("准确率为：\n", score)
    # 最佳参数：best_params_
    print("最佳参数：\n", estimator.best_params_)
    # 最佳结果：best_score_
    print("最佳结果：\n", estimator.best_score_)
    # 最佳估计器：best_estimator_
    print("最佳估计器：\n", estimator.best_estimator_)
    # 交叉验证结果：vc_results_
    print("交叉验证结果：\n", estimator.cv_results_)

if __name__ == "__main__":
    knn_demo()

朴素贝叶斯算法

概率基础

992053cb9f964604bb4c0b5fd457d99e.png

9cee3923c39f4d528cac26146ad77576.png

1a947d3bc34d4a0d9614d7e69911207f.png

5dba6a446d9143349f96830236ed056b.png

拉普拉斯平滑系数 

11fa5cec4f514c908048f97a34c70f40.png

b9f31ca777f643349201d0c7c94e43e4.png

API 

sklearn.naive_bayes.MultinomialNB(alpha = 1.0)

  • 朴素贝叶斯分类
  • alpha：拉普拉斯平滑系数

案例：20类新闻分类

16b11eb27e9d4c839854354494880d95.png

流程分析

  1. 获取数据
  2. 划分数据集
  3. 特征工程：文本特征抽取
  4. 朴素贝叶斯预估器流程
  5. 模型评估

优点

  • 对缺失数据不太敏感，算法也比较简单，常用于文本分类
  • 分类准确度高，速度快

缺点

  • 由于使用了样本属性独立性的假设，所以如果特征属性有关联时其效果不好
from sklearn.datasets import fetch_20newsgroups
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.naive_bayes import MultinomialNB
from torch import multinomial

def  nb_demo():
    # 1.获取数据
    news = fetch_20newsgroups()
    # 2.划分数据集
    x_train, x_test, y_train, y_test = train_test_split(news.data, news.target)
    # 3.特征工程：文本特征抽取
    transfer = TfidfVectorizer()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.transform(x_test)
    # 4.朴素贝叶斯预估器流程
    estimator = MultinomialNB()
    estimator.fit(x_train, y_train)
    # 5.模型评估
    # 方法一：直接对比真实值和预测值
    y_predict = estimator.predict(x_test)
    print("y_predict:\n", y_predict)
    print("真实值和预测值对比：\n", y_test == y_predict)
    # 方法二：计算准确值
    score = estimator.score(x_test, y_test)
    print("准确值：\n", score)

if __name__ == "__main__":
    nb_demo()

8f29073faf1245cb9ec739cf41b33f20.png

决策树 

信息熵

50aac5929b384b1eae7714cccb6050f1.png

cef732db2ec84d978d1b3a6d0b2fd729.png

9a3d2db31e604227b87d7fdb1a10e9bb.png

决策树的划分依据之一——信息增益

特征A对训练数据集D的信息增益g（D,A），定义为集合D和信息熵H（D）与特征A给定条件下D的信息条件熵H（D|A）之差，即公式为：

g（D,A）= H（D）- H（D|A）

a79379865c6b43cab9654adb12ed9722.png

 b5785ca3409b4721943d75f7313179d4.png

28979aaef4e445769bddc646de9706e6.png

239a17ef0c27414bbb1f4730a383835a.png

决策树API

aa135e8a161c41859260cdbbdb51aa4f.png

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier

def  tree_demo():
    # 1.获取数据
    iris = load_iris()
    # 2.划分数据集
    x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=22)
    # 3.决策树预估器
    estimator = DecisionTreeClassifier(criterion='entropy')
    estimator.fit(x_train, y_train)
    # 4.模型评估
    # 方法一：直接对比真实值与测试值
    y_predict = estimator.predict(x_test)
    print("y_predict:\n", y_predict)
    print("真实值与预测值对比:\n", y_test == y_predict)
    # 方法二：计算准确值
    score = estimator.score(x_test, y_test)
    print("准确值为：\n", score)

if __name__ == "__main__":
    tree_demo()

bdd878ca02454803b307eea7f7ebfefe.png

决策树可视化

1.保存树的结构到dot文件

0b8fed0dd8624fa5a950754aa8447691.png

2.把dot文件中的内容粘到网站中生成树的图像

Webgraphviz （我没有加载出来）

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier, export_graphviz

def  tree_demo():
    # 1.获取数据
    iris = load_iris()
    # 2.划分数据集
    x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=22)
    # 3.决策树预估器
    estimator = DecisionTreeClassifier(criterion='entropy')
    estimator.fit(x_train, y_train)
    # 4.模型评估
    # 方法一：直接对比真实值与测试值
    y_predict = estimator.predict(x_test)
    print("y_predict:\n", y_predict)
    print("真实值与预测值对比:\n", y_test == y_predict)
    # 方法二：计算准确值
    score = estimator.score(x_test, y_test)
    print("准确值为：\n", score)
    # 决策树可视化
    export_graphviz(estimator, out_file="iris_tree.dot", feature_names=iris.feature_names)

if __name__ == "__main__":
    tree_demo()

案例：泰坦尼克号乘客生存预测

407daf35a72749bfb8f40fe5abcfbf24.png

d0e8297fda3147debd8fe9133f44f0b3.png

f2b0e8c69a9448a3855758f9a65ecce8.png

流程分析：特征值 目标值

  1. 获取数据
  2. 数据处理：缺失值处理、特征值 -->  字典类型
  3. 准备好特征值 目标值
  4. 划分数据集
  5. 特征工程：字典特征抽取
  6. 决策树预估器流程
  7. 模型评估
from pandas import pd
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction import DictVectorizer
from sklearn.tree import DecisionTreeClassifier, export_graphviz

def  tree_demo():
    # 1.获取数据
    path = "http..."
    titanic = pd.read_csv(path)
    # 筛选特征值和目标值
    x = titanic[["pclass", 'age', 'sex']]
    y = titanic['survived']
    # 2.数据处理
    # (1)缺失值处理
    x['age'].fillna(x['age'].mean(), inplace=True)
    # (2)转换成字典
    x.to_dict(orient='records')
    # 3.数据集划分
    x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=22)
    # 4.字典特征抽取
    transfer = DictVectorizer()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.transform(x_test)
    # 5.决策树预估器
    estimator = DecisionTreeClassifier(criterion='entropy')
    estimator.fit(x_train, y_train)
    # 6.模型评估
    # 方法一：直接比对真实值和预测值
    y_predict = estimator.predict(x_test)
    print("y_predict:\n", y_predict)
    print("直接比对真实值和预测值：\n", y_test == y_predict)
    # 方法二：计算准确率
    score = estimator.score(x_test, y_test)
    print("准确率为：\n", score)
    # 可视化决策树
    export_graphviz(estimator, out_file='titanic_tree.dot', feature_names=transfer.get_feature_names())

if __name__ == "__main__":
    tree_demo()

随机森林

c0b0d24961d34d9eb3968c3494747d7b.png

原理过程

f1d0cd4f4f0948beafc143ba0eaad4a6.png

BootStrap抽样

训练集随机——N个样本中随机有放回的抽样N个

bootstrap 随机有放回抽样

[1,2,3,4,5]

新的树的训练集（不是固定的）

[2,2,3,1,5]

特征随机——从M个特征中随机抽取m个特征

M >> m 降维

85da55dda2e24c6999f8e1da1cea0a8a.png

API

845c146fe0df4568966e77d393167be1.png

from pandas import pd
from sklearn.model_selection import GridSearchCV, train_test_split
from sklearn.feature_extraction import DictVectorizer

def  tree_demo():
    # 1.获取数据
    path = "http..."
    titanic = pd.read_csv(path)
    # 筛选特征值和目标值
    x = titanic[["pclass", 'age', 'sex']]
    y = titanic['survived']
    # 2.数据处理
    # (1)缺失值处理
    x['age'].fillna(x['age'].mean(), inplace=True)
    # (2)转换成字典
    x.to_dict(orient='records')
    # 3.数据集划分
    x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=22)
    # 4.字典特征抽取
    transfer = DictVectorizer()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.transform(x_test)
    # 5.加入网格搜索与交叉验证
    # 参数准备
    param_dict = {'n_estimators':[120,200,300,500,800,1200],'max_depth':[5,8,,15,25,30]}
    estimator = GridSearchCV(estimator, param_grid=param_dict, cv=3)
    estimator.fit(x_train, y_train)
    # 6.模型评估
    # 方法一：直接比对真实值和预测值
    y_predict = estimator.predict(x_test)
    print("y_predict:\n", y_predict)
    print("直接比对真实值和预测值：\n", y_test == y_predict)
    # 方法二：计算准确率
    score = estimator.score(x_test, y_test)
    print("准确率为：\n", score)

if __name__ == "__main__":
    tree_demo()

买奶茶的小孩
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习算法实战.zip
04-28
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的...
机器学习——支持向量机SVM算法完整实战源码
05-16
基于Python和sklearn机器学习库实现的支持向量机算法使用的实战案例。 使用jupyter notebook环境开发。 支持向量机：支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据...
机器学习之分类算法
m0_56600567的博客
08-28 571
分类算法 目标值：类别 sklearn转换器和预估器 KNN算法 模型选择与调优 朴素贝叶斯算法 决策树 随机森林 文章目录分类算法sklearn转换器和预估器KNN算法（K-近邻算法）模型选择与调优案例：预测Facebook签到位置朴素贝叶斯算法决策树随机森林 sklearn转换器和预估器 转换器 transfrom 实例化 （实例化的是一个转换器类（Transfermer)) 调用fit_transfrom(对于文档建立分类词频矩阵，不能同时调用） 估计器 estimator 用于分类
机器学习笔记9--分类算法
whurrican的博客
11-05 1061
sklearn 转换器和估计器 转换器 估计器 转换器 fit_transform = fit + transform 标准化： （x - mean）/ std fit_transform()： fit()：计算 每一列的平均值、标准差 transform()：（x - mean）/ std 最终转换运算 估计器 估计器工作流程： 1、实例化一个estimator ...
机器学习-特征预处理-小白笔记
码灵的博客
08-02 494
1 什么是特征预处理 通过一些转换函数将特征数据转换成更加适合算法模型的特征数据过程。 1.1 包含内容 数据类型的无量纲化： 归一化 、标准化。 1.2 特征预处理API sklearn.preprocessing 1.3 归一化 1.3.1 定义 通过对原始数据进行变换把数据映射到0与1之间（默认0与1）。 1.3.2 公式 1.3.3 实现API 代码实现 from sklearn.preprocessing import MinMaxSc...
机器学习4
qq_62262691的博客
10-03 534
KNN
机器学习算法（4）—— 决策树算法
hu_wei123的博客
10-09 1187
决策树思想的来源非常朴素，程序设计中的条件分支结构就是 if-else 结构，最早的决策树就是利用这类结构分割数据的一种分类学习方法。是一种树形结构，本质是一颗由多个判断节点组成的树其中每个内部节点表示一个属性上的判断，每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类结果。如何选择划分点？如何决定叶节点的输出值？优点简单的理解和解释，树木可视化。缺点决策树学习者可以创建不能很好地推广数据的过于复杂的树,容易发生过拟合。改进减枝cart算法随机森林（集成学习的一种）
图解机器学习，算法实现.rar
05-29
传统的机器学习算法包括决策树、聚类、贝叶斯分类、支持向量机、EM、Adaboost等等。 这篇文章将对常用算法做常识性的介绍，没有代码，也没有复杂的理论推导，就是图解一下，知道这些算法是什么，它们是怎么应用的。...
PYTHON机器学习——KNN（k近邻算法）
12-22
PYTHON机器学习——KNN（k近邻算法） 代码实现 首先，导入需要用到的包 import numpy as np import matplotlib.pyplot as plt 初始化模拟数据集和对应的分类 data_x=[[1.15,2.34], [1.55,2.47], [3.78,4.98], ...
OpenCV机器学习——支持向量机SVM
01-27
OpenCV中集成了多种机器学习算法供我们方便使用，如果我们要训练数据进行分类，不用自己写分类器，只需要调用相应的库和类即可轻松实现。本文重点不在于介绍机器学习原理及数学推导，着重介绍OpenCV中的机器学习相关...
python机器学习 transform,fit_transform
weixin_40489988的博客
07-18 2109
首先使用transfer = StandardScaler（）来实例化一个转换器 我们要对训练集和测试集进行相同的归一化 / 标准化处理 先处理训练集 x_train = transfer.fit_transform（x_train） fit_transform是fit（求出数据的平方差、均值等数据）和transform（进行标准化计算）的结合 此时，标准化所需要的参数已经被训练出来并且存储到实例...
特征提取-特征工程
herry57的博客
06-21 489
目录1.定义2.字典特征提取 3.英文⽂本特征提取 4.中文⽂本特征提取 3.英文⽂本特征提取 4.中文⽂本特征提取
scikit-learn 中的设置以及预估对象
蝉之洞
03-26 894
数据集Scikit-learn可以从一个或者多个数据集中学习信息，这些数据集合可表示为2维阵列，也可认为是一个列表。列表的第一个维度代表 样本 ，第二个维度代表 特征 （每一行代表一个样本，每一列代表一种特征）。样例: iris 数据集（鸢尾花卉数据集）&gt;&gt;&gt;&gt;&gt;&gt; from sklearn import datasets &gt;&gt;&gt; iris =...
机器学习框架sklearn之转换器和估计器
David_house的博客
03-13 815
Scikit-learn (sklearn) 是一个用于机器学习的Python库。其中两个重要的概念是转换器（transformer）和估计器（estimator），它们是scikit-learn库中的两个核心概念。转换器是将数据集从一种形式转换为另一种形式的工具。例如，将原始数据进行标准化处理，将文本数据转换为数值特征等。在sklearn中，转换器类的名称以Transformer结尾。转换器通常有一个fit_transform()方法，可以在训练集上拟合模型并将其应用于测试集。
逻辑回归、逻辑回归的损失和优化
あずにゃん梓喵的博客
08-10 2920
日萌社 人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新） 3.1 逻辑回归介绍 逻辑回归（Logistic Regression）是机器学习中的一种分类模型，逻辑回归是一种分类算法，虽然名字中带有回归。由于算法的简单和高效，在实际中应用非常广泛。 1 逻辑回归的应用场景 广告点击率 是否为垃圾邮件 ...
机器学习（4）特征预处理
great_yzl的博客
09-08 622
目录 一、基础理论 1、定义 2、特征数据的无量纲化 3、归一化、标准化分析 归一化 标准化 二、归一化 1、归一化基本原理 过程: 1、读取待处理数据 2、创建归一化转换器 3、归一化处理（调用fit_transform） 代码 三、标准化 1、标准化基本原理 2、API 过程： 1、读取待处理数据 2、创建标准化转换器 3、标准化处理 代码 总代码 一、基础理论 1、定义 特征预处理：通过一些转换函数，将特征数据转换成更加适合...
解释X_train,Y_train,X_test,Y_test分别表示什么
qq_45139993的博客
09-29 9687
X_train,Y_train,X_test,Y_test 此解释源于：https://blog.csdn.net/skyejy/article/details/90647363 另外解释，由我自己跑的代码： 以鸢尾花数据集为例： 可以看出：X_train代表的是数据，即二维数组 Y_train代表的是数据对应的标签，即特征。 ...
自定义数据集(X_train,y_train),(X_test,y_test)
李白白的博客
11-30 2131
经常看到开源代码使用这个数据集，有需求将自己的数据集转成这种形式。要注意，第三步代码中已经把图片统一缩放为64X64，这个根据个人需求修改分辨率。还需要注意数据是否需要归一化的问题。
X_train, _, y_train, _ = load_gunpoint(return_X_y=True)
weixin_42594427的博客
01-06 567
X_train 是训练数据集中的输入特征，y_train 是训练数据集中的标签。在这个代码中，调用了 load_gunpoint 函数并使用参数 return_X_y=True，这意味着函数会返回包含输入特征和标签的数据集。这个代码会将返回值拆分成四个变量，其中 X_train 和 y_train 分别对应输入特征和标签。 你可以这样理解：在这个代码中，我们调用了 load_gunpoint 函数...
机器学习——决策树算法原理及案例
最新发布
06-11
决策树算法是一种广泛应用于分类和回归的机器学习算法，它基于树形结构对样本进行分类或预测。决策树算法的主要思想是通过一系列的判断来对样本进行分类或预测。在决策树中，每个节点表示一个属性或特征，每个分支...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值