![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 78
pumpkin96
这个作者很懒,什么都没留下…
展开
-
低代码机器学习库--Pycaret的介绍和安装
PyCaret 是 Python 中的一个开源、低代码机器学习库,可自动执行机器学习工作流。它是一种端到端的机器学习和模型管理工具,可成倍地加快实验周期并提高您的工作效率。与其他开源机器学习库相比,PyCaret 是一个替代的低代码库,可用于仅用几行代码替换数百行代码。这使得实验以指数方式快速和高效。原创 2023-02-14 17:25:44 · 2141 阅读 · 0 评论 -
python实现决策树-数据集如下图所示,根据我们对决策树的理解,设计一棵决策树,并输入{Age:36,Salary:H,STU:No,Credit:OK} 测试数据,是否与预期结果一致?
python实现决策树-数据集如下图所示,根据我们对决策树的理解,设计一棵决策树,并输入{Age:36,Salary:H,STU:No,Credit:OK} 测试数据,是否与预期结果一致?原创 2022-08-04 18:14:47 · 398 阅读 · 0 评论 -
简单关联规则算法例题-9个顾客的编号为(T1,T2,T3,T4,T5,T6,T7,T8,T9),每一个顾客购买的商品记录{{I1,I2,I5}...},并使用python实现简单关联规则
简单关联规则算法例题-9个顾客的编号为(T1,T2,T3,T4,T5,T6,T7,T8,T9),每一个顾客购买的商品记录{{I1,I2,I5},{I2,I4},{I2,I3},{I1,I2,I4},{I1,I3},{I2,I3},{I1,I3},{I1,I2,I3,I5},{I1,I2,I3}}求频繁项集原创 2022-08-03 13:53:11 · 2118 阅读 · 0 评论 -
时序模型——如何用Python进行时序模型预测的baseline预测(简单规则)
在对时间序列问题进行建模预测之前,通常可以通过一些简单的规则对结果进行提前的预测,可以作为baseline,供之后的模型进行参考。很多数据分析的比赛,都可以基于对于背景的理解和数据分析获得有用的规则,通过"if A then B"等方式设计出很好的基准方案。 一般我们可以采取一些简单的统计量作为特征:在之前的时间序列ARIMA模型中,我们对于扫码量的周期性把握的不够明确,从而导致预测出的结果与实际数据存在一定的差异性。因此我们在总结上述的经验同时,对预测模型进行进一步的改进和数据分析。......原创 2022-06-29 17:13:27 · 1977 阅读 · 0 评论 -
时间序列模型——ARIMA模型实现预测
这次接触到的算法为时序模型。数据比较复杂,且没有明显的规律。时序图在前期比较规律,成周期性上升,之后出现了断点,之后的数据呈不规律的现象。由于刚开始对时序模型了解不够,因此刚上手时,就直接对整个时期的数据进行ARIMA处理,而没有认真分析数据的周期性和基本走向。在得到指点之后,对前期比较规律的数据进行处理和预测。但是采用该模型得到的预测结果过于平缓,与实际的数据有较大的差距,因此,在前期的基础上采用了时序模型的因子预测(baseline)。............原创 2022-06-22 18:38:29 · 6864 阅读 · 0 评论