Python机器学习专栏
分享
文章平均质量分 80
Python机器学习专栏是一个面向遥感和非遥感领域的实践指南，旨在帮助读者深入了解机器学习在遥感数据分析和非遥感数据分析中的应用。通过本专栏，你将学习如何使用Python编程语言和常用的机器学习库，如scikit-learn、TensorFlow和PyTorch等，来解决遥感和非遥感数据分析中的挑战
优惠券已抵扣
余额抵扣
还需支付
¥79.90
¥99.00
购买须知?
本专栏为图文内容，最终完结不会低于15篇文章。
订阅专栏，享有专栏所有文章阅读权限。
本专栏为虚拟商品，基于网络商品和虚拟商品的性质和特征，专栏一经购买无正当理由不予退款，不支持升级，敬请谅解。
_养乐多_
记录GEE(GoogleEarthEngine)，python处理遥感数据，机器学习算法应用，深度学习模型训练、推理和部署的笔记。
展开
-
python：机器学习特征优选（嵌入法）
本文将介绍如何使用 python 语言使用嵌入法（Embedded Methods）进行机器学习特征优选。嵌入法包括LASSO回归、岭回归、决策树、随机森林、支持向量机。在本中，将重点介绍使用随机森林进行特征选择。原创 2024-05-08 07:45:00 · 126 阅读 · 0 评论 -
python：机器学习特征优选（包装法）
本文将介绍如何使用 python 语言使用包装法（Wrapper Methods）进行机器学习特征优选。分别有顺序前向选择（Sequential Forward Selection ，SFS）、顺序后向选择（Sequential Backward Selection，SBS）、穷举特征选择（Exhaustive Feature Selection，EFS）。原创 2024-05-08 08:00:00 · 240 阅读 · 0 评论 -
python：机器学习特征优选
本文将介绍在 Python 中进行机器学习特征选择的方法和代码。包括过滤法（Filter Methods）、包装法（Wrapper Methods）、嵌入法（Embedded Methods）和其他方法。原创 2024-05-07 11:30:40 · 271 阅读 · 0 评论 -
python：机器学习特征优选（过滤法）
本文将介绍如何使用 python 语言使用过滤法进行机器学习特征优选。分别有F值、互信息（Mutual Information，MI）、方差阈值（Variance Threshold，VT）、相关性方法。原创 2024-05-07 11:26:24 · 189 阅读 · 0 评论 -
神经网络：梯度下降法更新模型参数
CSDN@_养乐多_在神经网络领域，梯度下降是一种核心的优化算法，本文将介绍神经网络中梯度下降法更新参数的公式，并通过实例演示其在模型训练中的应用。通过本博客，读者将能够更好地理解深度学习中的优化算法和损失函数，为学习和应用深度学习打下坚实的基础。原创 2024-03-27 16:01:37 · 500 阅读 · 0 评论 -
python：使用傅里叶特征的时间序列预测方法
本文将介绍如何使用傅里叶特征进行时间序列预测的方法。将使用Python中的几个库来实现这一目标，包括pandas、scipy、pmdarima和matplotlib。原创 2024-03-01 19:19:48 · 469 阅读 · 0 评论 -
python：绘制回归预测结果真实值和预测值之间的散点密度图
对博客《python：使用卷积神经网络(CNN)进行回归预测》中的，回归预测结果真实值和预测值之间的散点密度图升级了一下。原创 2023-10-13 21:56:42 · 2094 阅读 · 0 评论 -
python：使用卷积神经网络(CNN)进行回归预测
本文详细记录了从Excel或者csv中读取用于训练卷积神经网络（CNN）模型的数据，包括多个自变量和1个因变量数据，以供卷积神经网络模型的训练。随后，我们将测试数据集应用于该CNN模型，进行回归预测和分析。原创 2023-10-12 21:20:17 · 5177 阅读 · 0 评论 -
python：使用随机森林回归模型进行数据预测
在本篇博客中，我们将介绍如何使用Python编程语言和一些主要的数据科学工具（pandas、numpy、sklearn等）来进行数据预测。我们将使用随机森林回归模型，该模型是一种强大的机器学习算法，适用于回归问题，例如预测连续性变量的值。我们将演示如何准备数据，训练模型，评估模型性能，以及如何使用模型进行新数据的预测。原创 2023-10-12 16:35:41 · 1361 阅读 · 0 评论 -
python：从Excel或者CSV中读取因变量与多个自变量，用于训练机器学习回归模型，并输出预测结果
本文详细记录了从Excel读取用于训练机器学习模型的数据，包括独立变量和因变量数据，以供用于机器学习模型的训练。这些机器学习模型包括但不限于随机森林回归模型（RF）和支持向量机回归模型（SVM）。随后，我们将测试数据集应用于这些模型，进行预测和分析。原创 2023-10-12 15:26:41 · 1160 阅读 · 0 评论 -
python：基于Kalman滤波器的移动物体位置估计
Kalman滤波器是一种经典的估计方法，广泛应用于估计系统状态的问题。本篇博客将介绍Kalman滤波器的基本原理，并通过一个简单的Python代码示例，演示如何使用Kalman滤波器来估计移动物体的位置。原创 2023-08-06 02:54:13 · 246 阅读 · 0 评论 -
Vision Transformer （ViT）：图像分块、图像块嵌入、类别标记、QKV矩阵与自注意力机制的解析
本文将介绍Vision Transformers （ViT）中的关键点。包括图像分块（Image Patching）、图像块嵌入（Patch Embedding）、类别标记（class_token）、QKV矩阵计算过程、余弦相似度（cosine similarity）、Softmax、自注意力机制等概念。主要介绍QKV矩阵计算过程。原创 2023-07-29 19:47:36 · 11171 阅读 · 1 评论 -
python：图片修改尺寸和裁剪
养乐多_本文记录了使用python语言的PIL库对jpg格式的图像进行修改尺寸，按指定像素间隔裁剪的代码。原创 2023-07-29 13:30:49 · 678 阅读 · 0 评论 -
python：使用CNN神经网络实现CSV数据分类预测
养乐多_本文记录了一个使用Keras构建和训练卷积神经网络（CNN）的示例。这个CNN模型用于分类任务，并且训练样本数据集来自一个CSV文件。我们的目标是根据输入特征将样本分为不同的类别。代码可用于土地覆盖分类、基于时间序列数据的植被监测、土地利用变化分析、水体监测、气候变化研究。原创 2023-07-24 11:37:16 · 1890 阅读 · 0 评论 -
python：随机森林分类器的性能评估（决策树数量的影响）
在本篇博客中，我们将探讨随机森林分类器在不同决策树数量下的性能，并绘制相应的图表进行可视化分析。原创 2023-05-18 20:32:41 · 1390 阅读 · 1 评论 -
python：计算随机森林分类时候不同特征数量产生的袋外误差，并绘制折线图
本文将介绍使用 python 语言运行随机森林分类的时候，特征数（1-10，间隔1）和袋外误差，并绘制了一个折线图，横坐标是随机特征数，纵坐标是袋外误差。原创 2023-05-17 17:51:20 · 476 阅读 · 0 评论 -
python：计算随机森林每个决策树分裂节点的Gini系数，并绘制散点图
本文记录了运行随机森林分类算法的时候，每个随机决策树的分裂节点的Gini系数，并将其可视化，绘制成散点图，横坐标是决策树ID，纵坐标是节点ID，Gini系数使用点表示，不同大小的Gini系数颜色不一样。代码使用python语言实现。原创 2023-05-17 17:44:29 · 479 阅读 · 0 评论 -
python：随机森林分类时，不同决策树数量下的out-of-bag （OOB）误差
本文将介绍使用 python 语言运行随机森林分类的时候，打印不同决策树数量下的out-of-bag （OOB）误差，（决策树数量为 0-300，递增数量1）。并且加了个绘图函数，将 OOB 误差绘制出来，横坐标是决策树数量，纵坐标是OOB误差。原创 2023-05-17 17:35:05 · 730 阅读 · 0 评论 -
python：从Excel读取用于训练机器学习模型的自变量和因变量
本文记录了从Excel读取用于训练机器学习模型的自变量和因变量数据的代码。原创 2023-05-17 16:53:58 · 741 阅读 · 0 评论 -
python：评估分类模型性能的常用指标（acc、auc、roc）
本文记录了评估分类模型性能的常用指标ACC、AUC、ROC曲线的计算方法和代码。代码使用python实现。原创 2023-05-03 18:42:50 · 3460 阅读 · 0 评论 -
python：使用sklearn预测未知数据（回归），分类，MLP，SVM，RF，KNN，混淆矩阵
本文主要记录使用 Sklearn 做机器学习预测的代码例子，适合初学者理解和扩展。模块英文名模块中文名分类Regression回归Clustering非监督分类数据降维模型选择数据预处理。原创 2022-09-26 11:09:24 · 5608 阅读 · 0 评论 -
Python机器学习专栏：应用于遥感和非遥感领域的实践指南
Python机器学习专栏是一个面向遥感和非遥感领域的实践指南，旨在帮助读者深入了解机器学习在遥感数据分析和非遥感数据分析中的应用。通过本专栏，你将学习如何使用Python编程语言和常用的机器学习库，如scikit-learn、TensorFlow和PyTorch等，来解决遥感和非遥感数据分析中的挑战。原创 2023-05-17 16:34:52 · 529 阅读 · 0 评论 -
python：机器学习（随机森林、支持矢量机等）回归预测结果精度图绘制
本文记录了使用python回归方法对输入特征做了预测，并绘制了预测值和真实值之间的相关性图。原创 2023-04-24 20:10:19 · 1833 阅读 · 6 评论