- 博客(7)
- 收藏
- 关注
RSS订阅原创 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