机器学习:算法项目实战
文章平均质量分 95
本专栏中不仅包含一些适合初学者的最新机器学习项目,每个项目都处理一组不同的问题,包括监督和无监督学习、分类、回归和聚类,而且涉及创建深度学习模型、处理非结构化数据以及指导复杂的模型,如卷积神经网络、循环神经网络、生成对抗网络、自然语言处理和大型语言模型
矩阵猫咪
这个作者很懒,什么都没留下…
展开
-
基于二维卷积Conv2D实现MNIST数字识别的四种方法
使用 MNIST 数据集进行手写数字识别是一个借助神经网络完成的重要项目。深度神经网络是机器学习和人工智能的一个分支,这种网络能够从提供的无组织或无标记数据中进行无监督学习。我们在此基础上更进一步,我们的手写数字识别系统不仅能检测手写数字的扫描图像,还能借助集成的图形用户界面在屏幕上书写数字进行识别。它主要检测手写数字的扫描图像。原创 2024-05-15 19:44:34 · 1163 阅读 · 0 评论 -
深度学习:基于人工神经网络ANN的降雨预测
降雨预测是对人类社会有重大影响的困难和不确定任务之一。及时准确的预测可以主动帮助减少人员和经济损失。本研究介绍了一组实验,其中涉及使用常见的神经网络技术创建模型,根据澳大利亚主要城市当天的天气数据预测明天是否会下雨。原创 2024-05-11 21:54:02 · 1225 阅读 · 9 评论 -
机器学习:基于线性回归、岭回归、xgboost回归、Lasso回归、随机森林回归预测卡路里消耗
运动卡路里消耗估计:通过使用传感器(如心率监测器、步数计等)收集用户的运动数据,机器学习模型可以预测他们的卡路里消耗量。这可以帮助用户更好地了解他们的运动效果,并根据自己的目标进行合理的运动安排和饮食搭配。原创 2024-05-09 20:30:05 · 1273 阅读 · 4 评论 -
深度学习:基于TensorFlow 和 Keras,使用神经网络回归模型预测 IPL 分数
在板球比赛中,我们经常会看到比分线显示根据当前比赛形势球队获胜的概率。这种预测通常是在数据分析的帮助下完成的。以前,在机器学习还不发达的时候,预测通常是基于直觉或一些基本算法。我们人类无法轻易从海量数据中找出模式,因此,机器学习和深度学习在此发挥了作用。它可以了解球员和球队之前对阵对方球队时的表现,并据此训练模型。仅使用机器学习算法的准确率不高,因此我们使用了深度学习,它的性能比我们之前的模型要好得多,并且考虑到了能够提供准确结果的属性。原创 2024-05-09 11:40:14 · 796 阅读 · 0 评论 -
机器学习:基于TF-IDF算法、决策树,使用NLTK库对亚马逊美食评论进行情绪分析
对于文本分析,我们将使用 NLTK 库。NLTK 是构建 Python 程序以处理人类语言数据的领先平台。它为 50 多个语料库和词汇资源(如 WordNet)提供了易于使用的接口,同时还提供了一套用于分类、标记化、词干化、标记、解析和语义推理的文本处理库,工业级 NLP 库的封装器,以及一个活跃的讨论论坛。原创 2024-05-08 21:58:14 · 1520 阅读 · 1 评论 -
基于长短期记忆网络LSTM和RMSProp优化算法进行销售预测分析
预测是使用过去的值和许多其他因素来预测未来的值。在本文中,我们将使用 `Keras` 功能 API 创建一个销售预测模型。首先,所有输入都经过预处理,以便机器能够理解。这是一个基于监督学习的线性回归模型,因此输出将与输入一起提供。然后,输入连同期望的输出一起被馈送到模型。该模型将绘制(学习)输入和输出之间的关系(函数)。然后,该函数或关系用于预测特定输入集的输出。在这种情况下,像日期和以前的销售额这样的输入参数被标记为输入,销售额被标记为输出。原创 2024-05-05 15:28:37 · 1105 阅读 · 1 评论 -
机器学习:基于K-近邻(KNN)、高斯贝叶斯(GaussianNB)、SVC、随机森林(RF)、梯度提升树(GBDT)预测葡萄酒质量
我们提出了一种数据挖掘方法来预测人类的葡萄酒口味偏好,该方法基于认证步骤中易于获得的分析测试。考虑了一个大型数据集(与该领域的其他研究相比)。在同时执行变量和模型选择的计算高效程序下应用了五种回归技术。随机森林与梯度提升树取得了可喜的结果,优于多元回归和神经网络方法。这种模型有助于支持酿酒师的品酒评估和提高葡萄酒产量。此外,类似的技术可以通过对于市场的消费者口味进行建模来帮助进行目标营销。原创 2024-05-04 23:57:01 · 1013 阅读 · 2 评论 -
深度学习:基于TensorFlow、Keras,使用长短期记忆神经网络模型(LSTM)对Microsoft股票进行预测分析
在本文中,我们将使用机器学习技术实现 Microsoft 股价预测。我们将使用 TensorFlow,这是一个由 Google 开发的开源 Python 机器学习框架。借助 TensorFlow,您可以轻松实现时间序列预测数据。由于股价预测是时间序列预测问题之一,我们将使用机器学习技术构建端到端的 Microsoft 股价预测。原创 2024-05-03 16:39:50 · 1205 阅读 · 1 评论 -
基于Keras,使用长短期记忆网络LSTM对股票市场进行预测分析
在文本中,我们将探索股市数据,特别是一些科技股(苹果、亚马逊、谷歌和微软)。我们将探讨如何使用yfinance来获取股票信息,并使用Seaborn和Matplotlib可视化其中的不同特征。我们将根据股票之前的表现历史,研究几种分析股票风险的方法。我们还将通过长短期记忆(LSTM)方法预测未来股价!原创 2024-05-02 16:57:13 · 2764 阅读 · 17 评论 -
机器学习:基于Sklearn、XGBoost,使用逻辑回归、支持向量机和XGBClassifier预测股票价格
在这篇文章中,我们将探讨如何通过使用逻辑回归、支持向量机和XGBClassifier来预测一个信号,并且讨论该信号对于购买特定股票是否有帮助?支持原创 2024-05-02 08:30:00 · 1578 阅读 · 1 评论 -
机器学习:基于Linear Regression(线性回归)、Lasso、Ridge(岭回归)、随机森林和XGBRegressor的房屋实际价格和预测价格之间的对数差异
本文旨在实现一个机器学习模型,该模型可以预测每栋房子的销售价格。我们将通过尝试实现一个房价指数计算器的基准模型,来获得了这些房屋的实际价格和预测价格之间的对数差异。原创 2024-05-01 14:22:45 · 941 阅读 · 1 评论 -
机器学习:基于Sklearn,使用随机森林分类器RandomForestClassifier检测信用卡欺诈
本文旨在实现一个机器学习模型,该模型可以使信用卡公司能够识别欺诈性信用卡交易,这样客户就不会被收取未购买的物品的费用。原创 2024-05-01 00:11:55 · 611 阅读 · 1 评论 -
机器学习:基于Sklearn、XGBoost框架,使用逻辑回归、支持向量机和XGBClassifier来诊断并预测一个人是否患有自闭症
自闭症是一种神经系统疾病,会影响一个人与他人互动、与他人进行眼神交流、学习能力以及一个人的其他行为和社交能力的能力。但是自闭症的确诊多因患儿的表现较难确诊,需通过详细的生长发育史、病史、精神检查及排除其他广泛性发育障碍来协助诊断。运用一些筛查性的量表进行初步筛查,最后通过儿童精神科系统检查后才能确诊。但是,如果我们使用机器学习来预测一个人是否患有自闭症,会怎么样呢?这正是我们将在本文中讨论的内容。原创 2024-04-29 21:33:36 · 1311 阅读 · 4 评论 -
机器学习:使用高斯朴素贝叶斯分类器(GaussianNB)、随机森林分类器(RandomForestClassifier)进行癌细胞分类,预测肿瘤是恶性还是良性
本文旨在根据癌细胞的特征对癌细胞进行分类,并确定它们是“恶性”还是“良性”;通过python编写两种经典的机器学习算法(随机森林分类和朴素贝叶斯分类)来训练细胞的形态特征。根据不同模型对癌症细胞的分类结果,对两个个模型在该数据集中的性能进行评价。原创 2024-04-28 18:48:39 · 1030 阅读 · 3 评论 -
机器学习:基于k近邻算法(KNN)和交叉验证诊断乳腺癌,预测患者患有良性肿瘤还是恶性肿瘤
本文旨在实现一个强大的机器学习模型,该模型可以预测乳腺癌患者是良性肿瘤还是恶性肿瘤。该模型使用k近邻算法 (KNN),k近邻算法,也称为 KNN 或 k-NN,是一种非参数、有监督的学习分类器,KNN 使用邻近度对单个数据点的分组进行分类或预测。原创 2024-04-27 18:02:10 · 1286 阅读 · 0 评论 -
机器学习:基于Sklearn、XGBoost框架,使用XGBClassifier、支持向量分类器和决策树分类器预测乳腺癌是良性还是恶性
本文旨在实现一个强大的机器学习模型,该模型基于XGBoost、支持向量机、决策树分类器进行对乳腺癌患者是良性肿瘤还是恶性肿瘤的预测。原创 2024-04-25 14:09:26 · 1336 阅读 · 1 评论 -
机器学习:基于Sklearn、XGBoost框架,使用逻辑回归、支持向量机和XGBClassifier预测帕金森病
帕金森病是一种进行性疾病,会影响神经系统和由神经控制的身体部位,症状看起来也不太明显。僵硬、震颤和运动减慢可能是帕金森病的征兆。基于Sklearn、XGBoost模块,使用Logistic Regression和支持向量机,预测一个人是否患有帕金森氏病原创 2024-04-23 21:56:23 · 1385 阅读 · 0 评论 -
机器学习:基于Sklearn框架,使用逻辑回归对由心脏病引发的死亡进行预测分析
世界卫生组织估计,五分之四的心血管疾病(CVD)死亡是由心脏病发作引起的。整个研究旨在确定很有可能受到 CVD 影响的患者比例,并使用 Logistic Regression 预测总体风险。数据集来自一项正在进行的对马萨诸塞州弗雷明汉镇居民的心血管研究。分类目标是预测患者未来10年是否有冠心病(CHD)的风险。数据集提供患者的信息。它包括4000多条记录和15个属性。原创 2024-04-22 17:17:19 · 931 阅读 · 0 评论 -
机器学习:基于K-Fold 交叉验证,使用支持向量分类器、高斯朴素贝叶斯分类器和随机森林分类器进行疾病预测分析
本文旨在实现一个强大的机器学习模型,该模型基于K-Fold 交叉验证,使用支持向量分类器、高斯朴素贝叶斯分类器和随机森林分类器进行疾病预测分析,可以根据人类所拥有的症状有效地预测人类的疾病。我们将使用 Kaggle 的数据集来解决这个问题,该数据集由两个 CSV 文件组成,一个用于训练,一个用于测试。原创 2024-04-21 18:48:53 · 1134 阅读 · 1 评论 -
深度学习:基于Keras框架,使用神经网络模型对葡萄酒类型进行预测分析
在本专栏中不仅包含一些适合初学者的最新机器学习项目,每个项目都处理一组不同的问题,包括监督和无监督学习、分类、回归和聚类,而且涉及创建深度学习模型、处理非结构化数据以及指导复杂的模型,如卷积神经网络、门控递归单元、大型语言模型和强化学习模型。本文旨在使用 Keras 等深度学习库,并熟悉神经网络的基础,您可以从免费提供的UCI机器学习存储库中找到葡萄酒质量数据集。原创 2024-04-22 23:20:03 · 1155 阅读 · 0 评论