机器学习
陈宸-研究僧
这个作者很懒,什么都没留下…
展开
-
机器学习科学计算库numpy基础 (不记得了就看看)
目录一、矩阵取值二、自定义数据类型三、改变维度四、组合数组五、常用属性六、numpy数组转化为Python列表一、矩阵取值1.购造矩阵arraya = numpy.array([[1,2,3],[2,3,4]])print(a)2.shapea = numpy.array([[1,2,3,4],[2,3,4,5],[2,3,4,4]])print...原创 2018-12-02 14:22:43 · 232 阅读 · 0 评论 -
量化金融分析AQF(3):数据可视化(Pandas、Matplotlib、Seaborn)
目录一. Pandas内置图形可视化1.1 基础图形可视化1.2 数据选择及可视化二、Matplotlib图形绘制3.1 Matplotlib基础图形绘制:3.1.1 添加图例和设置线型及颜色3.1.2图例3.1.3一次绘制多条线并设置线形及颜色3.1.4分别编写绘图命令,输出在同一张图内3.2 绘制散点图3.3 Matplotlib两维图形绘制...原创 2019-03-14 15:22:05 · 1758 阅读 · 0 评论 -
量化金融分析AQF(4):Pandas 进阶(数据聚合Group、Concat,、Join、 Merge)
目录一. Group操作:数据聚合1.1 生成DataFrame1.2 新增一例用于Group操作1.3 生成DataFrameGroupBy对象1.4 Group对象的聚合运算1.5 选择Group对象中的数据1.6 双重Group二. Concat三、Join四、Merge一. Group操作:数据聚合1.1 生成DataFrameim...原创 2019-03-20 10:13:16 · 619 阅读 · 0 评论 -
机器学习(6):聚类算法:K-MEANS算法、DBSCAN算法
目录一、聚类算法原理二、K-MEANS算法2.1 K-MEANS算法基本介绍2.2 K-MEANS算法过程三、DBSCAN算法定义聚类评估:轮廓系数(Silhouette Coefficient )四、sklearn中的聚类4.1K-MEANS参数:属性:方法:4.2DBSCAN算法一、聚类算法原理 ...原创 2019-03-07 16:33:56 · 2696 阅读 · 0 评论 -
机器学习(5):支持向量机(support vector machines)
目录一、概述二、线性可分支持向量机2.1 SVM要解决的问题2.2 距离计算2.3 优化的目标2.4 目标函数2.5 SVM求解2.6 SVM求解实例2.7支持向量机名字的本质三、软间隔 soft-margin三、核函数:低维不可分问题3.1高斯核函数四、sklearn中的支持向量机4.1 SVC参数4.2 调节C参数Soft Ma...原创 2019-03-04 10:11:21 · 2101 阅读 · 1 评论 -
机器学习(4):集成算法(Bagging、Boosting、Stacking)
目录一、Bagging模型:随机森林1.1 bagging的原理1.2随机森林算法Random Forest1.3 随机森林的推广:极限随机数 extra trees二、Boosting模型:Adaboost、XGBoost2.1Boosting模型2.2 AdaBoost算法三、Stacking模型集成算法有3个流派:Bagging(代表随机森林...原创 2019-03-01 08:57:45 · 2075 阅读 · 0 评论 -
机器学习(2):逻辑回归 Logistic regression
目录一、从线性回归到逻辑回归二、Sigmoid 函数三、二分类逻辑回归的模型四、小结五、scikit-learn中的逻辑回归逻辑回归参数详细说明5.1 概述5.2 LogisticRegression 参数说明 目的:分类,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 一、从线...原创 2019-02-19 16:00:33 · 715 阅读 · 0 评论 -
机器学习(3):决策树 Decision Trees
目录一、决策树基础二、scikit-learn中的决策树2.1 回归决策树DecisionTreeRegressor2.1 分类决策树DecisionTreeClassifier 一、决策树基础1.1决策树:从根节点开始一步步走到叶子节点(决策)决策树,所有的数据最终都会落到叶子节点,既可以做分类也可以做回归。1.2根节点:第一个选择点决策树。非叶子节点与...原创 2019-02-27 17:28:01 · 1014 阅读 · 0 评论 -
机器学习(1):线性回归
目录一、线性回归算法1.1 正常算法:1.2 评估方法:二、梯度下降2.1 批量梯度下降(Batch Gradient Descent)2.2 随机梯度下降(Stochastic Gradient Descent)2.3 小批量梯度下降(Mini-Batch Gradient Descent)三、学习率一、线性回归算法1.1 正常算法:预测值与误差:...原创 2019-02-17 16:48:53 · 419 阅读 · 0 评论 -
Pandas手册汉化
目录输入/输出Pickling平面文件剪贴板ExcelJSONHTMLHDFStore: PyTables (HDF5)FeatherParquetSASSQLGoogle BigQuerySTATA一般功能数据处理顶级缺失数据顶级转换顶级处理时间顶级处理间隔顶级评估Series构造函数属性转换...原创 2019-01-22 16:29:34 · 8519 阅读 · 0 评论 -
范数正则化L0、L1、L2-岭回归&Lasso回归
目录一、L0/L1范数1、分别定义2、两者关系:3、参数稀疏的好处1)特征选择(Feature Selection):2)可解释性(Interpretability):四、L1(Lasso)、L2(岭回归)范数五、Lasso算法和岭回归算法区别1、梯度下降速度2、模型空间的限制延伸一:L1&L2正则化一起结合的Elastic Nets效果真的很好...原创 2019-05-07 13:41:37 · 1345 阅读 · 0 评论