machine learning
小镇大爱
这个作者很懒,什么都没留下…
展开
-
混淆矩阵验证贝叶斯和逻辑回归分类算法
import matplotlib.pyplot as plt import numpy as np import pandas as pd df = pd.read_csv('./data/6_credit.csv') X = df.iloc[:,1:6]#左闭右开 y = df['credit'] X = np.array(X.values) y = np.array(y.values) from sklearn.model_selection import train_test_split X_t.原创 2020-06-14 17:07:16 · 531 阅读 · 0 评论 -
逻辑回归的python实现
梯度下降方法和scikit-learn两种方法预测学生是否被录取,需要数据集的可留言 ##方法1 import numpy as np import pandas as pd import matplotlib.pyplot as plt def sigmoid(z): return 1/(1+np.exp(-z)) def predict(theta,X): prob = sigmoid(X*theta.T) return [1 if a>=0.5 else 0 fo.原创 2020-06-14 16:10:53 · 182 阅读 · 0 评论 -
机器学习:单变量线性回归
在使用算法之前首先对数据集进行划分,在有监督的机器学习中,数据集通常被划为3个,即训练、验证和测试。三者的作用分别为: 1、训练集:用于训练模型,得到模型的未知参数。 2、验证集:用于评估训练集的效果,验证集通常用于调整超参数,根据机组模型在验证集上的表现决定哪组的性能更好。 3、测试集:用于测试训练后的模型,评价模型的泛化能力,使用一个没有见过的数据集来判断这个模型的性能。 当数据量较小时,可以使用交叉验证,就是把初始的数据集进行分组,一部分作为训练集训练模型,另一部分作为验证集来评价模型。 对于k折交叉原创 2020-05-27 11:29:21 · 175 阅读 · 0 评论