![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
江南小帅瓜hyf
这个作者很懒,什么都没留下…
展开
-
查准率/查全率/F1指标
查准率/查全率/F1指标查准率(precision)(正确率):检索出来的条目有多少是正确的查全率(recall)(查全率):所有正确条目有多少被检索出来了用预测值与实际值之间的真假关系也可以说明precision和recall的关系查准率=TP/(TP+FP)...原创 2019-06-05 09:55:21 · 2387 阅读 · 1 评论 -
K-means代码实现(sklearn)
K-means代码实现(sklearn)载入数据设置k值k = 4训练模型# 训练模型model = KMeans(n_clusters=k)model.fit(data)分类中心点坐标centers = model.cluster_centers_print(centers)预测结果result = model.predict(data)print(result)...原创 2019-07-04 10:43:57 · 3064 阅读 · 0 评论 -
K-means算法代码实现(python)
K-means算法代码实现以及解决质心选择问题计算距离距离通常使用欧几里得距离来衡量def euclDistance(vector1, vector2): return np.sqrt(sum((vector2 - vector1) ** 2))初始化质心def initCentroids(data, k): numSamples, dim = data.shape ...原创 2019-07-04 10:20:20 · 18713 阅读 · 8 评论 -
逻辑回归(Logistic Regression)总结
逻辑回归(Logistic Regression)总结在分类问题中,要预测的变量y是离散的值,便会用到逻辑回归。例如:·判断邮件是否垃圾邮件·肿瘤是恶性还是良性·判断一次金融交易是否欺诈……决策边界(decision boundary)并且参数原创 2019-06-04 21:55:21 · 2009 阅读 · 0 评论 -
波士顿房价问题——多元线性回归+TensorFlow
波士顿房价问题——多元线性回归、Tensorflow决定房价的因素有很多,所以采用多元线性回归模型官方提供的波士顿房价项目数据集其中,载入数据df = pd.read_csv('boston.csv', header=0)观察数据摘要描述信息将df转换为np的数组格式,并做归一化归一化:(特征值-特征最小值)/(特征最大值-特征最小值)如果缺少归一化步骤,不同特征值的取...原创 2019-06-03 22:38:22 · 8659 阅读 · 3 评论 -
已知一个如图所示的训练数据集,其正例点是x1=(3,3),x1=(4,3),负例点是x3=(1,1),试求最大间隔分离超平面。
已知一个如图所示的训练数据集,其正例点是x1=(3,3),x1=(4,3),负例点是x3=(1,1),试求最大间隔分离超平面。从图中可以看出,x2不起作用,所以不用理会方法1:方法2:考虑求解中垂线方程即可斜率:-k=-1,中点(2,2),所以相当于求经过(2,2),斜率为-1的直线方程...原创 2019-06-03 21:27:03 · 23864 阅读 · 6 评论 -
sklearn实现多项式回归
sklearn实现多项式回归类似这样的数据,显然利用多项式的曲线拟合会比直线效果要好很多载入数据data = np.genfromtxt("\job.csv", delimiter=",")x_data = data[1:, 1]y_data = data[1:, 2]x_data = data[1:, 1, np.newaxis]y_data = data[1:, 2, np...原创 2019-06-03 17:13:04 · 1701 阅读 · 0 评论 -
多元线性回归——梯度下降法、sklearn实现
梯度下降法实现多元线性回归(代码实现)载入数据data = genfromtxt(r"\Delivery.csv", delimiter=',')观察一下数据x_data为特征值,y_data为标签值所以应该设置3个参数θ0,θ1,θ2lr = 0.0001# 参数theta0 = 0theta1 = 0theta2 = 0# 最大迭代次数epochs = 1000...原创 2019-06-03 16:42:49 · 2496 阅读 · 0 评论 -
sklearn实现一元线性回归
sklearn实现一元线性回归导入sklearn以及相关库from sklearn.linear_model import LinearRegressionimport numpy as npimport matplotlib.pyplot as plt载入数据data = np.genfromtxt("data.csv", delimiter=",")x_data = data...原创 2019-06-03 16:24:55 · 2786 阅读 · 0 评论 -
一元线性回归——梯度下降法
梯度下降法实现一元线性回归(代码实现)这篇博客只是针对用代码实现的部分导入需要用到的包import numpy as npimport matplotlib.pyplot as plt载入数据data = np.genfromtxt("data.csv", delimiter=",")x_data = data[:, 0]#所有行第0列y_data = data[:, 1]#所有...原创 2019-06-03 16:09:55 · 1881 阅读 · 0 评论 -
非线性逻辑回归的代码实现(sklearn)
非线性逻辑回归的代码实现(sklearn)随机生成两类或多类数据from sklearn.datasets import make_gaussian_quantiles# make_gaussian-quantiles:将一个单高斯分布的点集划分为两个数量均等的点集,作为两类# 生成2维正态分布,生成的数据按分位数分为两类,500个样本,2个样本特征# 可以生成两类或多类数据x_dat...原创 2019-06-05 21:41:00 · 2265 阅读 · 1 评论 -
非线性逻辑回归的代码实现(梯度下降法)
非线性逻辑回归的代码实现(梯度下降法)当我们需要分类这样的数据集的时候,线性的逻辑回归就派不上用场了前期的代码模块都与线性逻辑回归的步骤一致。线性逻辑回归的代码实现:https://mp.csdn.net/mdeditor/90899227#载入数据data = np.genfromtxt(r'data.txt',delimiter=',')x_data = data[:, :-1...原创 2019-06-05 21:17:09 · 1503 阅读 · 1 评论 -
线性逻辑回归的代码实现
线性逻辑回归的代码实现载入数据data = np.genfromtxt(r'data.csv', delimiter=',')x_data = data[:, :-1] # 特征y_data = data[:, -1] # 标签可以看到,这个数据集有3列,前两列为特征,最后一列‘1’和‘0’为标签作图观察数据集def plot(): x0 = [] x1 = ...原创 2019-06-05 11:15:31 · 571 阅读 · 1 评论 -
聚类算法的改进——DBSCAN
聚类算法的改进——DBSCANK-means算法有几个明显的缺点,例如需要用户指定聚类数目,而且聚类的形状比较有局限性。这里考虑采用DBSCAN(Density - Based Spatial Clustering of Applications with Noise)该算法将具有足够高密度的区域划分为簇,并可以发现任何形状的聚类DBSCAN和K-Means的比较:1、 DBSCAN和K...原创 2019-07-04 11:16:08 · 5894 阅读 · 1 评论