![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
scikit-learn
z小猫不吃鱼
这个作者很懒,什么都没留下…
展开
-
机器学习之K-最邻近算法(1)
K_最邻近算法:k最邻近算法又称为knn算法,是一种有监督的机器学习算法。k_邻近算法的核心思想是:未标记的样本类别,由距离其最近的k个邻居投票决定。距离计算一般采用欧式距离或者曼哈顿距离。具体原理如下:(1)计算测试数据与每个样本之间的距离,按照距离的递增关系排序。(2)选取距离最小的k个点。(3)统计k个点对应的类别出现的频率,频率最高的就是我们要求得测试数据的类别。优点:...原创 2018-11-26 20:13:38 · 252 阅读 · 0 评论 -
机器学习之K-最邻近算法(2)
前面一篇文章说了用knn算法进行分类,现在尝试用knn算法进行线性回归分析。不说了,直接上代码。"""使用knn实现简单的线性回归.sk中进行回归和分类的knn算法的API不一样,这点需要注意一下。"""import numpy as np;#from sklearn.neighbors import KNeighborsClassifier as knn;import matp...原创 2018-11-26 21:22:12 · 232 阅读 · 0 评论 -
机器学习之K-最邻近算法(3)
本文使用knn算法及其变种,对kaggle大赛中的糖尿病进行预测。废话省略,直接代码'''kaggle大赛中的糖尿病预测。'''import pandas as pd;import numpy as np;from sklearn.neighbors import KNeighborsClassifier;import matplotlib.pyplot as plt;fro...原创 2018-11-26 22:44:04 · 209 阅读 · 0 评论 -
机器学习之决策树算法(1)
决策树算法是一种有监督的机器学习算法,它的结构类似于流程图的树状结构。由节点和有向图组成,节点分为叶子节点和内部节点。叶子节点代表样本的类别,内部节点表示一个特征或者属性。根节点到叶子节点的每一天路径构建一条规则。而叶子节点代表对应的规则的结论。信息熵:有标签和样本特征来计算得到。信息增益:标签的信息熵减去样本特征的信息熵。越大特征越优。下面我们用kaggle上大赛的数据来预测泰坦尼克号幸...原创 2018-11-28 19:58:05 · 875 阅读 · 0 评论 -
机器学习之决策树算法(2)
上面一篇博文我们使用决策树建立模型预测泰坦尼克号幸存者的数量。但出现了过拟合现象,现在我们尝试着优化模型参数,提高预测精度。首先我们把上面一篇数据处理的代码复制过来:import pandas as pd;def DataAnalyse(): data=pd.read_csv("./titanic/train.csv"); """数据中有些对我们完全没有用的信息,我们要...原创 2018-11-28 20:59:15 · 318 阅读 · 0 评论 -
机器学习之决策树算法(3)
今天看了一个视频,发现有很多值得学习的地方,把代码分享给大家。数据清洗部分很值得学习。算法部分最好还是自己找个合适的跑一跑import pandas as pd;import os;from dateutil.parser import parseimport datetimeimport numpy as np;from sklearn.tree import Decision...原创 2018-12-10 21:10:03 · 210 阅读 · 0 评论