自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(18)
  • 问答 (1)
  • 收藏
  • 关注

原创 2021-02-24

天池MySQL学习打卡第二天由于我们电脑使用中/英文,所以下句搞了好久:SELECT product_name, product_type,sale_price * 0.9 - purchase_price AS profitFROM productWHERE sale_price * 0.9 - purchase_price > 100AND (product_type = ‘办公用品’OR product_type = ‘厨房用具’);下面这句有错误:SELECT product

2021-02-24 13:44:53 87

原创 2021-02-18

天池MySQL学习打卡第一天第一次真正的动手学习MySQL,去感觉与Oracle的差异。问题是企业级的业务系统有人会用MySQL吗?

2021-02-18 09:16:29 114

原创 2021-01-14

龙珠计划-机器学习训练营学习的第六天Task 02:朴素贝叶斯算法:实战练习(第6天)学习内容:模拟离散数据的朴素贝叶斯算法练习模拟离散数据集–贝叶斯分类我执行的步骤如下:Step1: 库函数导入 + Step2: 数据导入&分析 + Step3: 模型训练&可视化 + Step4: 原理简析import randomimport numpy as np使用基于类目特征的朴素贝叶斯from sklearn.naive_bayes import CategoricalNBf

2021-01-14 15:55:44 666

原创 2020-12-30

学习笔记:基于iris数据集的逻辑回归分类实践课堂上老师的引导是:Part2 基于鸢尾花(iris)数据集的逻辑回归分类实践Step1:库函数导入Step2:数据读取/载入Step3:数据信息简单查看Step4:可视化描述Step5:利用 逻辑回归模型 在二分类上 进行训练和预测Step5:利用 逻辑回归模型 在三分类(多分类)上 进行训练和预测在实践的最开始,我们首先需要导入一些基础的函数库包括:numpy (Python进行科学计算的基础软件包),pandas(pandas是一种快速,

2020-12-30 15:26:18 302

原创 2020-12-28

Task02sklearn逻辑回归Demo_机器学习训练营_阿里云天池一、学习内容概括通过一个小例子,掌握逻辑回归的sklearn函数调用使用。学习地址、参考资料:1.阿里云天池-AI训练营机器学习:https://tianchi.aliyun.com/specials/promotion/aicampml?invite_channel=1&accounttraceid=7df048c2ce194081b514fd2c8e9a3f00cqmm2.Sklearn中文文档:http://www

2020-12-28 21:08:05 186

原创 2020-12-22

K-Nearest Neighbor K临近算法是一种有监督的分类算法,工作原理很简单,存在一个样本集合,也成为训练样本,样本中包含标签,将新数据的每个特征与样本集合的数据对应特征进行比较,然后提取样本最相似的分类标签,k就是选择的最相似的数据点,选择k个点中出现频率最高的分类,就是新数据的分类。一般来说k不会超过20个。Knn有两个细节需要注意,一个是相似度算法,常用包含欧式距离,余弦距离等等,另外一个在计算相似度之前需要归一化特征,比如使用离差标准化(Min-Max),把所有特征都转换到[0,1]之间,

2020-12-22 13:24:09 143

原创 2020-12-21

基础学习算法: 了解K近邻算法的理论K近邻算法的优缺点关于K近邻算法的知识有很多,比如算法执行的步骤、应用领域以及注意事项,不过相信很多人对K近邻算法的使用注意事项不是很清楚。在这篇文章中我们针对这个问题进行解答,带大家来好好了解一下k近邻算法的注意事项以及K近邻算法的优点与缺点。1.K近邻算法的注意事项K近邻算法的使用注意事项具体就是使用距离作为度量时,要保证所有特征在数值上是一个数量级上,以免距离的计算被数量级大的特征所主导。在数据标准化这件事上,还要注意一点,训练数据集和测试数据集一定要使用同

2020-12-21 14:43:40 121

原创 2020-12-20

机器学习:模拟离散数据集–贝叶斯分类学习体会笔记朴素贝叶斯算法朴素贝叶斯法 = 贝叶斯定理 + 特征条件独立。输入 ∈ X∈Rn空间是n维向量集合,输出空间 ={ 1, 2,…, }y={c1,c2,…,cK}. 所有的X和y都是对应空间上的随机变量. ( , )P(X,Y)是X和Y的联合概率分别. 训练数据集(由 ( , )P(X,Y)独立同分布产生):={( 1, 1),( 2, 2),…,( , )}计算测试数据x的列表,我们需要依次计算 ( = | = )P(Y=ck|X=x),取概率最大

2020-12-20 13:13:27 87

原创 2020-12-19

基于贝叶斯对鸢尾花数据进行分类python3.7numpy >= ‘1.16.4’sklearn >= ‘0.23.1’import base packageimport warningswarnings.filterwarnings(‘ignore’)import numpy as npfrom sklearn import datasetsfrom sklearn.naive_bayes import GaussianNBfrom sklearn.model_sele

2020-12-19 21:54:42 172 1

原创 2020-12-18

朴素贝叶斯是一种简单但令人惊讶的强大的预测建模算法。该模型由两种类型的概率组成,可以直接根据您的训练数据计算:每个班级的概率给出每个x值的每个类的条件概率。一旦计算,概率模型可用于使用贝叶斯定理对新数据进行预测。当您的数据是实值时,通常假设高斯分布(钟形曲线),以便您可以轻松估计这些概率。朴素贝叶斯被称为朴素,因为它假设每个输入变量是独立的。这是一个强有力的假设,对于实际数据是不现实的,然而,该技术对于大范围的复杂问题非常有效。朴素贝叶斯的优缺点优点:朴素贝叶斯模型发源于古典数学理论,有着

2020-12-18 13:16:35 71

原创 2020-12-17

1.数据集Iris(鸢尾花)数据集是多重变量分析的数据集。数据集包含150行数据,分为3类,每类50行数据。每行数据包括4个属性:Sepal Length(花萼长度)、Sepal Width(花萼宽度)、Petal Length(花瓣长度)、Petal Width(花瓣宽度)。可通过这4个属性预测鸢尾花属于3个种类的哪一类。样本数据局部截图:获取150个样本数据的3种方法:1.完整的样本数据Iris.csv文件下载链接: https://pan.baidu.com/s/16N0ivGWFrmc

2020-12-17 14:00:04 206

原创 2020-12-17

机器学习算法(三):K近邻(k-nearest neighbors)初探(Day3学习)算法基本思想:物以类聚,人以群分。我们常常听到一个故事:如果要了解一个人的经济水平,只需要知道他最好的5个朋友的经济能力, 对他的这五个人的经济水平求平均就是这个人的经济水平。这句话里面就包含着kNN的算法思想。还有一个例子:根据电影中出现的接吻镜头和打斗镜头的次数来判断一个未知电影是爱情片还是动作片。这两个例子可以通过K近邻简称:KNN-(k-nearest neighbors)进行解释。KNN建立过程1

2020-12-17 13:00:14 85

原创 2021-01-01

机器学习算法(二): 朴素贝叶斯(Naive Bayes)朴素贝叶斯(Naive Bayes)是数据挖掘十大经典算法之一朴素贝叶斯的核心思想就是,你不是要给我分类吗?我算出自己属于各个分类的条件概率,属于谁的概率最大,就归入哪一类。举例一:某个医院早上收了六个门诊病人,如下表。症状 职业 疾病打喷嚏 护士 感冒打喷嚏 农夫 过敏头痛 建筑工人 脑震荡头痛 建筑工人 感冒打喷嚏 教师 感冒头痛 教师 脑震荡现在又来了第七个病人,是一个打喷嚏的建筑工人。请问他最有可能患有何种疾病?本质

2020-12-16 11:51:38 989 1

原创 2020-12-27

学习目标:阿里云天池机器学习训练营,开营-第一天学习内容:基于逻辑回归的分类预测机器学习算法(一): 基于逻辑回归的分类预测代码流程Part1 Demo实践Step1:库函数导入Step2:模型训练Step3:模型参数查看Step4:数据和模型可视化Step5:模型预测Part2 基于鸢尾花(iris)数据集的逻辑回归分类实践Step1:库函数导入Step2:数据读取/载入Step3:数据信息简单查看Step4:可视化描述Step5:利用 逻辑回归模型 在二分类上 进行训

2020-12-14 20:23:06 152

原创 继续学习Python

今天学习Python的内容是:从函数到高级魔法方法,关键是高级魔方方法这部分函数函数的定义函数的调用函数文档函数参数函数的返回值变量作用域Lambda 表达式匿名函数的定义匿名函数的应用类与对象对象 = 属性 + 方法self 是什么?Python 的魔法方法公有和私有继承组合类、类对象和实例对象什么是绑定?一些相关的内置函数(BIF)魔法方法基本的魔法方法算术运算符反算术运算符增量赋值运算符一元运算符属性访问描述符定制序列迭代器以下是魔方的学

2020-09-13 09:58:02 138

原创 又来学Python-函数和匿名函数(Lambda)

Python的函数和匿名函数笔记函数:函数是组织好的,可重复使用的,用来实现单一,或相关联功能的代码段。函数能提高应用的模块性,和代码的重复利用率。你已经知道Python提供了许多内建函数,比如print()。但你也可以自己创建函数,这被叫做用户自定义函数。如何定义一个Python函数?定义一个函数你可以定义一个由自己想要功能的函数,以下是简单的规则:函数代码块以 def 关键词开头,后接函数标识符名称和圆括号()。任何传入参数和自变量必须放在圆括号中间。圆括号之间可以用于定义参数。函数的

2020-09-12 14:42:20 123

原创 Python学习

今天学习集合和序列集合集合的创建访问集合中的值集合的内置方法集合的转换不可变集合列表列表的定义列表的创建向列表中添加元素删除列表中的元素获取列表中的元素列表的常用操作符列表的其它方法集合(1)、创建集合:直接{}创建setname={a,b……,n}用set()函数创建:setname=set(iteration)(2)、向集合中添加和删除元素添加:setname.add(element)删除:del()(整个集合)。pop()和remove()(删除一个元

2020-09-11 22:44:46 115

原创 继续学Python

1.5 列表 - 获取列表中的元素解析【例子】浅拷贝与深拷贝中list1 = [123, 456, 789, 213]list2 = list1list3 = list1[:]print(list2) # [123, 456, 789, 213]print(list3) # [123, 456, 789, 213]list1.sort()print(list2) # [123, 213, 456, 789]print(list3) # [123, 456, 789, 213]list1

2020-09-09 23:26:35 114

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除