- 博客(7)
- 收藏
- 关注
原创 决策树
决策树:从根节点开始一步步走到叶子结点(决策)所有的数据最终都会落到叶子结点,既可以做分类也可以做回归树的组成: 根节点:第一个选择点 非叶子结点与分支:中间过程 叶子结点:最终的决策结果节点:增加节点相当于在数据中切一刀,那么节点越多越好吗? 决策树的训练与测试: 1.训练阶段:从给定的训练集构造出来一棵树(从根节点开始选择特征,如何进行特征切分) ...
2019-02-25 20:49:23 247
原创 逻辑回归
逻辑回归:目的:分类还是回归?经典的二分类算法!机器学习算法选择:先逻辑回归再用复杂的,能简单还是用简单的逻辑回归的决策边界:可以是非线性的sigmoid函数 公式:g(z)=1/(1+exp(-z))自变量取值为任意实数,值域 [0,1]解释:将任意的输入映射到了[0,1]区间,我们在线性回归中得到一个预测值,再将该值映射到sigmoid函数中,这样就完成...
2019-02-25 15:36:15 169
原创 梯度下降
引入:当我们得到了一个目标函数后,如何进行求解?直接求解?(并不一定可解,线性回归可以当做是一个特例) 常规套路:机器学习的套路就是交给机器一堆数据,然后告诉它什么样的学习方式是对的(目标函数),然后让它朝着这个方向去做 如何优化:一口吃不成胖子,我们要静悄悄的一步步的完成迭代(每次优化一点点,累积起来就是个大成绩了) ...
2019-02-25 11:31:22 136
原创 线性回归
引例: 数据:工资和年龄(2个特征) 目标:预测银行会贷款给我多少钱(标签) 考虑:工资和年龄都会影响最终银行的结果,那么它们各自有多大的影响呢?(参数)回归:通过你的数据最终预测出一个值(分类:最终的到的是一个类别。比如说银行借还是不借你贷款)===》对于2维数据,就是找到一条最好的线对数据进行拟合 假设1是年龄的参数,2是工资的参数拟合的平面:h(x)...
2019-02-25 11:10:51 238 1
原创 pandas随记
import pandasfood_info=pandas.read_csv(''food_info.csv') #读入csv文件 字符型:bojectprint(help(pandas.read_csv))food_info.head([length]) #把读入的信息前几行显示出来food_info.tail([length]) #显示尾几行print(f...
2019-02-25 09:50:19 122
原创 pandas学习
pandas:开源BSD许可的python库,Python Pandas的官方网站是: http://pandas.pydata.org/使用强大的数据结构提供高性能的数据操作和分析工具。Pandas:Panel Data - 多维数据的计量经济学在pandas之前,python主要用于数据迁移和准备,对数据分析的贡献更小,使用pandas可以完成数据处理和分析的五个典型步骤,而不管数...
2019-02-25 09:21:32 256
原创 numpy随机数的产生
1.rand(d0,d1,...,dn) 产生均匀分布的随机数,dn为第n维数据的维度>>> import numpy as np>>> np.random.rand(3,2) #产生3行2列均匀分布的随机数组array([[0.03530134, 0.14650273], [0.53411719, 0.94196791], ...
2019-02-25 09:14:41 1379
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人