机器学习
文章平均质量分 54
模拟IC和AI的Learner
把知识学成常识才能有创造世界的灵感
展开
-
【机器学习】二分类模型评估方法大全
曲线是二元分类中的常用评估方法它与精确度/召回曲线非常相似,但ROC曲线不是绘制精确度与召回率,而是绘制与要绘制ROC曲线,首先需要使用函数计算各种阈值的TPR和FPR我的理解:TPR和FPR既是两个类别分对的数量占实际类别总数的比例。原召回率既是一种类别分对的数量占实际类别总数的比例,索引TPR既是召回率。原创 2024-01-28 23:56:48 · 1202 阅读 · 2 评论 -
【sklearn练习】模型评估
2、使用交叉验证。原创 2024-01-11 01:37:36 · 995 阅读 · 0 评论 -
【机器学习】模型保存
【代码】【机器学习】模型保存。原创 2024-01-12 01:10:06 · 437 阅读 · 0 评论 -
【sklearn练习】preprocessing的使用
scikit-learn 中的模块提供了多种数据预处理工具,用于准备和转换数据以供机器学习模型使用。这些工具可以帮助您处理数据中的缺失值、标准化特征、编码分类变量、降维等。以下是一些常见的PCA以上是一些模块中常见功能的示例用法。数据预处理是机器学习中非常重要的一步,它有助于提高模型的性能和稳定性。您可以根据您的数据和任务选择适当的预处理方法,并将其应用于您的数据,以确保数据准备得当。原创 2024-01-09 00:24:34 · 1049 阅读 · 0 评论 -
【sklearn练习】model常用属性和功能
scikit-learn 中的机器学习模型(estimator)通常具有一组常用属性和功能,这些属性和功能可以用于训练、评估和使用模型。:对于线性模型(如线性回归、逻辑回归、支持向量机等),这个属性表示模型的系数(权重),用于描述特征的重要性。:对于线性模型,这个属性表示模型的截距(偏置项)。:对于分类模型(如分类器),这个属性表示可能的类别或标签。:表示特征的数量。:对于分类模型,表示类别的数量。:对于多输出模型,表示输出的数量。:对于树型模型(如随机森林、梯度提升树),这个属性表示特征的重要性分数。原创 2024-01-08 15:39:11 · 536 阅读 · 0 评论 -
【sklearn练习】datasets的使用
以 "fetch" 开头的数据集,这些数据集通常不包含在 scikit-learn 的标准安装中,需要从远程服务器上下载。"load" 开头的数据集是一些较小且包含在 scikit-learn 标准安装中的示例数据集。这些数据集不需要从远程服务器下载,因为它们已经包含在 scikit-learn 的安装包中。"load" 开头的数据集是一些较小且包含在 scikit-learn 标准安装中的示例数据集。这些数据集不需要从远程服务器下载,因为它们已经包含在 scikit-learn 的安装包中。原创 2024-01-08 01:28:11 · 400 阅读 · 0 评论 -
【sklearn练习】鸢尾花
第二行:导入datasets数据集第三行:train_test_split 的作用是将数据集随机分配训练集和测试集。第四行:采用的模型是,KNeighborsClassifier,实现 k 最近邻投票的分类器。原创 2024-01-08 00:49:37 · 523 阅读 · 0 评论 -
【机器学习】scikit-learn工具包
数据集:API --> sklearn.datasets。examples:机器学习算法参考、可视化参考。专门做机器学习的python工具包,原创 2024-01-08 00:26:29 · 417 阅读 · 0 评论 -
【机器学习】线性回归·可运行源码
【代码】【机器学习】线性回归·可运行源码。原创 2024-01-03 17:34:35 · 577 阅读 · 0 评论