- 博客(5)
- 收藏
- 关注
RSS订阅原创 连续属性离散化与sklearn.preprocessing.KBinsDiscretizer
1、连续属性离散化离散化 (Discretization) (有些时候叫 量化(quantization) 或 分箱(binning)) ，是将连续特征划分为离散特征值的方法。 离散化可以把具有连续属性的数据集变换成只有名义属性(nominal attributes)的数据集。2、K-bins 离散化（分箱）KBinsDiscretizer 类使用k个等宽的bins把特征离散化：默认情况下...
2019-07-29 12:48:52
11192
原创 sklearn之Model selection and evaluation学习使用
这部分可以结合机器学习之模型评估与选择来阅读，sklearn库的中文地址和英文地址。总共可以分为5部分：交叉验证来评估学习器性能；调整学习器的超参数；模型评估量化预测的质量。模型持久化。验证曲线，绘制分数来评估模型。1、交叉验证来评估学习器的表现下面是典型的交叉验证工作图，最优超参通过第2节的网格搜索得到，将最优超参带入学习模型中，数据集分为训练和测试集，利用训练集再次进行模型训练，然后将训...
2019-07-28 18:30:46
842
原创 机器学习之模型评估与选择
一、模型评估与选择分为五部分：1、经验误差及过拟合；2、评估方法‘；3、性能度量’；4、比较检验；5、偏差与方差。1、经验误差与过拟合错误率（error rate）：分类错误的样本数占总样本数。精度（accuracy）：1-错误率。误差（error）：学习器的实际预测输出和样本的真实输出的差异。在训练集上的是训练误差，在新样本上的是泛化误差。过拟合（overfitting）：训练误差小...
2019-07-27 23:34:27
825
原创 逻辑回归以及sklearn.linear_model.LogisticRegression的使用
一、逻辑回归二、sklearn.linear_model.LogisticRegression的使用1、sklearn库提供了逻辑回归模型，连接地址2、class sklearn.linear_model.LogisticRegression参数说明@@@class sklearn.linear_model.LogisticRegression(penalty=’l2’, dual=Fal...
2019-07-27 14:03:00
4361
原创 入侵检测之KDDCUP99数据集分析
背景知识KDD是数据挖掘与知识发现（Data Mining and Knowledge Discovery）的简称，KDD CUP是由ACM（Association for Computing Machiner）的 SIGKDD（Special Interest Group on Knowledge Discovery and Data Mining）组织的年度竞赛。”KDD CUP 99 d...
2019-07-24 14:26:53
18291
3
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人