幸运的Alina的博客

逻辑回归算是机器学习中最基础的模型了，回归模型在做分类问题中有着较好的效果。下面介绍下利用sklearn做逻辑回归模型 做模型一般分为:提取数据---->了解数据(所谓的探索性数据)---->数据预处理(包括但不限于填充缺失值，特征提取，转换哑变量)---->选择模型---->验证模型---->模型优化下面先简单介绍下逻辑回归的原理： 说...

       在机器学习中，当我们基于某个业务建立模型并训练后，接下来我们需要评判模型好坏的时候需要基于混淆矩阵，ROC和AUC等来进行辅助判断。混淆矩阵也叫精度矩阵，是用来表示精度评价，为N *N的矩阵，用来判别分类好坏的指标。混淆矩阵中有以下几个概念：TP(True Positive): 被判定为正样本，实际也为正样本FN(False Negative):伪阴性 ，被判定为负样...

在机器学习中我们训练模型后，需要把模型保存到本地，这里我们采用joblib来保存from sklearn.externals import joblib#保存模型def Save_Model(self, model, filepath): joblib.dump(model, filename=filepath)def Decision_Tree_classifier(se...

sklearn.metrics 不仅包括了评估功能，还有性能度量，距离度量等 。分类矩阵metrics.accuracy_score(y_true,y_pred[,…]) 精确度 metrics.auc(x,y[,reorder]) AUC面积 metrics.average_precision_score(y_true,y_score) 根据预测得分...

目前的推荐系统分为三类：1. 非个性化推荐系统 特点：基于统计分析技术，推荐销售排行，这样所有的用户看到的推荐信息都是一样的，或者编辑推荐，以及基于平均数值评分。2. 半个性化推荐系统特点： 根据用户当前的浏览行为或用户当前的购物车信息产生推荐结果 3. 完全个性化推荐系统特点：根据用户历史信息，结合用户当前行为，为用户完全产生个性化的推荐服务 做推荐系统的时候，输...

文中的数据集来源于 movielens的ml-100k ，数据集包括，u.data、u.item、u.user 。这里简要介绍下实现的思路，因为是基于物品的协同过滤，所以这里就是找两两物品之间的联系，然后根据物品来给用户进行相应的推荐，这里首先是要生成用户对物品的评分矩阵，然后就是生成物品同现矩阵，推荐结果 =物品同现矩阵* 用户物品评分矩阵。首先是导入数据，将所给的数据导入进来，因为主...

开一个系列来记录自己在学习机器学习算法原理中的心得与感悟，首先从逻辑回归开始写起吧。 逻辑回归在维基百科的定义是Logistic回归是一种统计模型，其基本形式是使用Logistic函数来对二元因变量建模，尽管存在许多更复杂的扩展。在回归分析中，逻辑回归(或logit回归)是对逻辑模型(一种二元回归形式)的参数进行估计。在数学上，二元逻辑模型有一个因变量，它有两个可能的值，比如通过/...