- 博客(82)
- 资源 (7)
- 收藏
- 关注
RSS订阅
原创 【机器学习数据可视化-07】波士顿房价预测数据分析
通过本次波士顿房价预测项目，我们深入探索了数据可视化在房价预测中的应用。通过绘制散点图、相关性矩阵、箱线图、直方图和密度图等多种可视化图表，我们成功地揭示了房价与各特征之间的关系及趋势。同时，我们也发现了数据中存在的一些异常值和潜在问题，并提出了相应的处理建议。在模型训练方面，我们选择了合适的预测模型，并通过调整模型参数和优化算法来提高模型的预测性能。最终，我们得到了一个具有较高预测精度的房价预测模型，可以为房地产市场的投资者和决策者提供有价值的参考信息。
2024-05-23 13:58:47
1021
129
原创 【机器学习-17】数据变换---小波变换特征提取及应用案列介绍
小波变换作为一种前沿的数据分析工具，近年来在信号分析领域崭露头角。小波分析的理论和方法凭借其独特优势，在信号处理、图像处理、语音处理、模式识别以及量子物理等多个领域得到了广泛的应用，堪称近年来在工具及方法上的重大突破。小波变换以其多分辨率的特性，在时域和频域均展现出对信号局部特征的强大表征能力。通过伸缩和平移等运算过程，小波变换能够对信号进行多尺度聚焦分析，为非平稳信号的时频分析提供了一种有效手段。它允许我们由粗及细地逐步观察信号，从而精准地提取出有用信息。
2024-04-16 17:30:52
9889
250
原创 【机器学习-16】贝叶斯（Bayes）算法：原理、应用与优化
1. 总结贝叶斯算法在机器学习中的核心价值和意义贝叶斯算法在机器学习中扮演着至关重要的角色，其核心价值和意义主要体现在以下几个方面：首先，贝叶斯算法提供了一种基于概率的推理框架，能够处理各种不确定性和复杂性。在现实世界的数据集中，特征之间的依赖关系、类别的模糊性等问题往往难以避免。贝叶斯算法通过计算条件概率来估计类别的后验概率，从而能够在这些不确定性中找到最可能的分类结果。其次，贝叶斯算法具有坚实的数学理论基础，其推导过程清晰且易于理解。这使得贝叶斯算法在实际应用中具有较高的可靠性和稳定性。
2024-04-13 18:00:00
10581
290
原创 【机器学习-15】决策树（Decision Tree，DT）算法：原理与案例实现
决策树算法是机器学习领域中的一种重要分类方法，它通过树状结构来进行决策分析。决策树凭借其直观易懂、易于解释的特点，在分类问题中得到了广泛的应用。本文将介绍决策树的基本原理，包括熵和信息熵的相关概念，以及几种经典的决策树算法。
2024-04-10 16:30:18
19522
264
原创 【机器学习-14】K-means聚类算法：原理、应用与优化
在众多聚类算法中，K-means算法因其简单高效而备受青睐。K-means算法的基本思想是：通过迭代的方式，将数据划分为K个不同的簇，并使得每个数据点与其所属簇的质心（或称为中心点、均值点）之间的距离之和最小。具体来说，K-means算法的执行过程通常包括以下几个步骤：首先，随机选择K个数据点作为初始的簇质心；然后，根据每个数据点与各个簇质心的距离，将其分配给最近的簇；接着，重新计算每个簇的质心，即取簇内所有数据点的平均值作为新的质心；
2024-04-07 15:48:14
18260
272
原创 【机器学习-13】K-近邻算法（KNN）：原理、应用及实现
相似的对象在特征空间中距离相近。具体来说，对于待分类的样本，KNN算法首先计算它与训练集中每个样本之间的距离。然后，算法选取距离最小的K个样本，这些样本被称为“邻居”。最后，根据这些邻居的类别标签，通过投票或加权平均等方式，确定待分类样本的类别。KNN算法的核心在于距离度量，它决定了样本之间的相似度。通过选择合适的距离度量方法，KNN算法能够准确地找出与待分类样本最相似的邻居，从而进行准确的分类。为了演示KNN算法在文本分类中的应用，我们选择了一个公开的文本分类数据集，如20 Newsgroups数据集。
2024-04-04 14:07:06
15194
267
原创 【Numpy】深入解析numpy.triu()函数
其中，上三角矩阵是指主对角线及其上方的元素非零，而主对角线下方的元素全部为零的矩阵。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。上三角矩阵在矩阵乘法中具有一定的特性。例如，当我们知道一个矩阵是上三角矩阵时，我们可以避免计算其下三角部分的乘法结果，因为结果将始终为零。例如，在LU分解中，我们将一个矩阵分解为一个下三角矩阵（L）和一个上三角矩阵（U）的乘积。例如，我们可以找到上三角矩阵中所有大于某个阈值的元素，或者将上三角矩阵中的特定元素替换为其他值。
2024-05-23 11:40:38
359
1
原创 【Numpy】深入解析numpy.mat()函数
在NumPy中，除了基础的一维数组（ndarray）外，还提供了矩阵类（matrix），专门用于处理二维数组（矩阵）的运算。在NumPy中，矩阵类（matrix）是二维数组（ndarray）的一个子类，具有一些特殊的属性和方法。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。我们相信，通过不断学习和实践，读者将能够掌握更多的数学和编程技能，为未来的科研和工程实践做出更大的贡献。然而，随着NumPy库的不断发展和更新，一些新的功能和优化方法也在不断涌现。
2024-05-23 11:35:31
732
原创 【Numpy】深入解析numpy.diag()函数
如果您在机器学习、NLP项目中遇到难题，或者对某个算法和模型有疑问，欢迎随时联系我，我会尽我所能为您提供帮助，个人微信(xf982831907),添加说明来意。多年的Python编程和机器学习实践，使我深入理解了这些技术的核心原理，并能够在实际项目中灵活应用。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。函数是NumPy库中一个非常重要的函数，它主要用于创建对角矩阵以及从给定的矩阵或二维数组中提取对角线元素。函数，该函数主要用于创建和提取对角矩阵。
2024-05-23 11:33:54
611
原创 【Numpy】深入解析numpy.argmax()函数
它遍历数组中的所有元素，比较它们的大小，并返回最大值所在位置的索引。这一功能的实现依赖于NumPy库底层的优化算法和高效的内存管理机制，使得在处理大型数组时依然能够保持出色的性能。多年的Python编程和机器学习实践，使我深入理解了这些技术的核心原理，并能够在实际项目中灵活应用。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。函数，我们可以快速获取最大值的索引，进而分析该位置的数据特征或与其他数据的关系。参数，以便沿着正确的维度查找最大值的索引。
2024-05-22 13:54:32
518
7
原创 【Numpy】深入解析numpy.ones_like()函数
通过合理地利用这个函数，我们可以简化复杂的代码逻辑、提高代码的可读性和可维护性，从而为我们的工作带来更多的便利和效率。这个函数在需要初始化一个与现有数组形状相同的数组时非常有用，尤其是当我们不需要考虑数组中的具体数值，而只关心其形状和类型时。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。我们应该充分利用这个函数的功能和优势，将其应用于各种需要数组操作的场景中，以提高我们的编程效率和代码质量。：在机器学习的神经网络中，权重矩阵的初始化是一个重要的步骤。
2024-05-22 13:52:57
753
原创 【Numpy】深入解析numpy.argmin()函数
它遍历数组中的所有元素，比较它们的大小，并返回最小值所在位置的索引。这一功能的实现得益于NumPy库底层的优化算法和高效的内存管理机制，使得在处理大型数组时依然能够保持出色的性能。多年的Python编程和机器学习实践，使我深入理解了这些技术的核心原理，并能够在实际项目中灵活应用。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。函数将返回第一个出现的最小值的索引。函数，我们可以快速定位到最小值在数据集中的位置，进而分析该位置的数据特征、与其他数据的关系或潜在的原因。
2024-05-22 10:33:22
527
2
原创 【Numpy】深入解析numpy.full()函数
通过灵活使用这个函数，我们可以简化数组初始化的过程，提高编程效率，并为后续的数值计算、数据处理和机器学习等任务提供便利。在大多数情况下，这个参数对普通用户来说可能不太重要，但在某些特定的数值计算或性能优化场景中，选择合适的存储顺序可能会带来一定的性能提升。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。函数在大多数情况下都很快，但如果你需要创建非常大的数组，或者需要频繁地创建和销毁数组，那么可能需要考虑性能优化的问题。的权重矩阵，并将其所有元素初始化为 0.01。
2024-05-22 10:32:04
175
1
原创 【Numpy】深入解析numpy.zeros_like()函数
通过深入了解其功能和应用场景，并结合实际需求进行灵活使用，我们可以编写出更加高效和简洁的代码，为我们的数据处理和数值计算工作带来便利和效益。当调用这个函数时，NumPy会根据输入数组的形状和数据类型，在内存中分配一个相同形状和类型的新数组，并将所有元素初始化为0。同时，我们也需要注意在使用时确保输入数组的有效性，注意数据类型的匹配，避免不必要的类型转换，并关注内存占用情况。例如，在需要创建一个与现有数组形状相同但值为零的新数组时，我们可以直接使用该函数，而无需手动指定数组的形状和类型。
2024-05-22 10:28:52
426
原创 【Numpy】深入解析numpy.full_like()函数
函数是NumPy库中一个非常实用的工具，它允许我们根据现有数组的形状和数据类型快速创建新的数组，并用指定的值填充该数组。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。函数是一个非常实用的工具，它允许我们根据现有数组的形状和数据类型创建一个新的数组，并用指定的值填充这个新数组。函数的基本功能是创建一个与给定数组具有相同形状和数据类型的新数组，并用指定的值填充这个新数组。函数会根据输入数组的数据类型创建新数组，但在某些情况下，我们可能需要手动指定不同的数据类型。
2024-05-21 14:40:19
980
14
原创 【Numpy】深入解析numpy.loadtxt()函数
多年的Python编程和机器学习实践，使我深入理解了这些技术的核心原理，并能够在实际项目中灵活应用。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。是一个功能强大且易于使用的函数，它为我们提供了一种便捷的方式来读取和处理文本文件中的数据。在数据分析和机器学习的项目中，我们经常需要从各种来源获取数据，其中文本文件是最常见的格式之一。的一个更通用的版本，它提供了更多的选项和灵活性，可以处理更复杂的文本文件。在选择使用哪个函数时，需要根据具体的需求和文件的特点来决定。
2024-05-21 14:39:00
618
1
原创 【Numpy】深入解析numpy.max()函数
它基于NumPy库的高性能计算机制，能够快速遍历数组中的所有元素，并返回其中的最大值。多年的Python编程和机器学习实践，使我深入理解了这些技术的核心原理，并能够在实际项目中灵活应用。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。无论是为了理解数据的分布、识别异常值，还是为了进行进一步的数学运算，找到最大值都是一项基础且重要的任务。：在机器学习的训练过程中，最大值经常用于监控损失函数的变化、评估模型的性能等。函数，我们可以方便地提取出图像中的这些关键信息。
2024-05-21 11:10:17
366
4
原创 【Numpy】深入解析numpy.min()函数
如果您在机器学习、NLP项目中遇到难题，或者对某个算法和模型有疑问，欢迎随时联系我，我会尽我所能为您提供帮助，个人微信(xf982831907),添加说明来意。多年的Python编程和机器学习实践，使我深入理解了这些技术的核心原理，并能够在实际项目中灵活应用。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。在数据分析和科学计算中，找到数组中的最小值是一个常见的需求。：在数据分析中，经常需要找到数据集中的最小值，以了解数据的分布情况或进行异常值检测。
2024-05-21 11:08:47
1033
1
原创 【Numpy】深入解析numpy.sum()函数
通过深入理解和熟练掌握这一函数，我们可以提升数值计算和数据处理的能力，为各种应用场景提供有力的支持。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。因此，我们应当保持对NumPy库的关注和学习，以便及时了解和利用最新的功能和最佳实践。：根据输入数组的数据类型和计算需求，合理选择输出数组的数据类型，以确保计算结果的准确性和性能。函数，它专为数组和矩阵的求和操作而设计，能够高效地计算数组元素的和。函数的优势，发挥其高效性能，为构建高效、准确的数值计算流程做出贡献。
2024-05-21 11:06:54
936
1
原创 【Numpy】深入解析numpy.power()函数
多年的Python编程和机器学习实践，使我深入理解了这些技术的核心原理，并能够在实际项目中灵活应用。函数作为NumPy库中的一个基础函数，为数组和矩阵的平方根计算提供了高效且灵活的实现方式。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。它充分利用了底层硬件的并行计算能力，对输入数组中的每个元素进行平方根运算，从而大大提高了计算效率。函数可以处理多种数据类型的输入，但为了确保计算结果的准确性和性能，建议将输入数组的数据类型设置为浮点数（如。
2024-05-20 17:40:54
791
2
原创 【Numpy】深入解析numpy.divide()函数
如果您在机器学习、NLP项目中遇到难题，或者对某个算法和模型有疑问，欢迎随时联系我，我会尽我所能为您提供帮助，个人微信(xf982831907),添加说明来意。多年的Python编程和机器学习实践，使我深入理解了这些技术的核心原理，并能够在实际项目中灵活应用。尤其是在NLP领域，我积累了丰富的经验，能够处理各种复杂的自然语言任务。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。函数作为NumPy库中的一个基础函数，为数组和矩阵的除法运算提供了高效且灵活的实现方式。
2024-05-20 09:55:47
856
4
原创 【Numpy】深入解析numpy.power()函数
多年的Python编程和机器学习实践，使我深入理解了这些技术的核心原理，并能够在实际项目中灵活应用。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。函数作为NumPy库中的一个基础函数，为数组和矩阵的幂运算提供了高效且灵活的实现方式。在未来的编程实践中，我们应该充分利用。它利用底层硬件的并行计算能力，对输入数组中的每个元素进行幂运算，从而高效地处理大型数组或矩阵的幂运算。：在进行幂运算之前，请确保底数数组和指数数组的形状是匹配的，或者至少满足NumPy的广播机制。
2024-05-20 09:54:25
844
原创 【Numpy】深入解析numpy.subtract()函数
如果您在机器学习、NLP项目中遇到难题，或者对某个算法和模型有疑问，欢迎随时联系我，我会尽我所能为您提供帮助，个人微信(xf982831907),添加说明来意。多年的Python编程和机器学习实践，使我深入理解了这些技术的核心原理，并能够在实际项目中灵活应用。尤其是在NLP领域，我积累了丰富的经验，能够处理各种复杂的自然语言任务。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。：在进行减法运算之前，请确保输入数组的形状是兼容的，或者至少满足NumPy的广播机制。
2024-05-20 09:52:48
961
原创 【Numpy】深入解析numpy.add()函数
多年的Python编程和机器学习实践，使我深入理解了这些技术的核心原理，并能够在实际项目中灵活应用。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。函数作为NumPy库中的一个基础函数，为数组和矩阵的加法运算提供了高效且灵活的实现方式。例如，你可以将加法运算与乘法、除法等其他运算结合使用，或者将加法运算的结果传递给其他函数进行进一步处理。：在进行加法运算之前，请确保输入数组的形状是匹配的，或者至少满足NumPy的广播机制。函数的优势，提高代码效率和准确性。
2024-05-20 09:51:14
718
原创 【Numpy】深入解析numpy.linspace()函数
多年的Python编程和机器学习实践，使我深入理解了这些技术的核心原理，并能够在实际项目中灵活应用。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。它允许我们在指定的范围内创建均匀分布的数值数组，为后续的数值分析、可视化以及机器学习等任务提供了极大的便利。函数的核心原理是在指定的起始值和终止值之间，按照给定的元素个数，生成等间隔的数值序列。生成的是等间隔的数值，而不是等差的数值，这使得它在需要精确控制数值间隔的场景中非常有用。可以用来生成这些区间的边界值。
2024-05-19 18:51:00
949
1
原创 【Numpy】深入解析numpy.empty()函数
多年的Python编程和机器学习实践，使我深入理解了这些技术的核心原理，并能够在实际项目中灵活应用。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。返回的数组是未初始化的，它可能包含内存中的任意数据。函数会返回一个新的未初始化的数组，这意味着新数组的内容是未定义的，它包含了数组创建时存在于内存中的任意数据。创建的数组是未初始化的，所以打印出来的值可能是随机的，这取决于内存中的现有数据。函数创建的数组是未初始化的，但在某些特定场景下，它仍然非常有用。
2024-05-19 16:52:27
760
原创 【NumPy】深入解析numpy.ones()函数
如果您在机器学习、NLP项目中遇到难题，或者对某个算法和模型有疑问，欢迎随时联系我，我会尽我所能为您提供帮助，个人微信(xf982831907),添加说明来意。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。通过不断学习和实践，我们可以充分发挥该函数的优势，提高编程效率和质量，为解决实际问题提供更好的支持。同时，在使用该函数时，我们也应注意数据类型、数组形状以及内存管理等方面的问题，以确保代码的质量和效率。然而，在实际应用中，我们可能需要其他类型的数组。
2024-05-19 16:45:39
666
原创 【Numpy】深入解析numpy.zeros()函数
如果您在机器学习、NLP项目中遇到难题，或者对某个算法和模型有疑问，欢迎随时联系我，我会尽我所能为您提供帮助，个人微信(xf982831907),添加说明来意。多年的Python编程和机器学习实践，使我深入理解了这些技术的核心原理，并能够在实际项目中灵活应用。尤其是在NLP领域，我积累了丰富的经验，能够处理各种复杂的自然语言任务。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。函数是一个非常重要的工具，它允许我们快速创建指定形状和类型，且所有元素初始化为零的数组。
2024-05-19 11:43:35
574
原创 【Numpy】arange()函数：原理与应用
如果您在机器学习、NLP项目中遇到难题，或者对某个算法和模型有疑问，欢迎随时联系我，我会尽我所能为您提供帮助，个人微信(xf982831907),添加说明来意。多年的Python编程和机器学习实践，使我深入理解了这些技术的核心原理，并能够在实际项目中灵活应用。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。函数作为NumPy中的一个基础函数，用于生成等差数组，为后续的数值计算和数据处理提供了极大的便利。函数的原理、用法、应用场景，以及其在编程实践中的重要作用。
2024-05-19 11:41:41
808
原创 【Pandas】深入解析`pd.read_csv()`函数
函数是 Pandas 中处理 CSV 数据集的强大工具。通过了解和掌握其各种参数，我们可以灵活地读取和处理各种格式的 CSV 文件。在数据分析的工作中，这将大大提高我们的工作效率。希望这篇博客能帮助你更好地理解和使用函数。如果你有任何问题或想要了解更多，请在评论区告诉我。
2024-05-18 23:25:36
1619
162
原创 【数据可视化-05】：Plotly数据可视化宝典
Plotly是一个基于Web的数据可视化库，它支持多种编程语言，包括Python、R、JavaScript等。Plotly具有强大的图表定制能力、丰富的图表类型和交互功能，广泛应用于数据分析、科学研究和机器学习等领域。Plotly的历史可以追溯到2012年，由克里斯·帕特尔（Chris Plotly）等人创建。经过多年的发展，Plotly已经成为数据可视化领域的佼佼者之一。Plotly作为一款功能强大的数据可视化库，在机器学习项目中发挥着重要作用。
2024-05-15 18:11:00
4056
231
原创 【数据可视化-04】Pyecharts数据可视化宝典
Pyecharts提供了丰富的配置项和参数，用于自定义图表的样式、布局等。标题配置：使用title_opts参数配置图表的标题，包括标题文本、位置、颜色等。坐标轴配置：使用xaxis_opts和yaxis_opts参数配置X轴和Y轴的样式和属性，如标签、刻度线、分割线等。数据项配置：使用和等方法添加数据到图表中，并可以配置数据项的样式和属性，如颜色、标记符号等。全局配置项：使用方法配置图表的全局样式和布局，如标题、图例、背景色等。其他配置项。
2024-05-12 18:51:35
9242
210
原创 【NumPy数组】：深入了解numpy.linspace()函数
函数作为NumPy库中的一个重要函数，为我们在指定范围内生成等间隔的数值数组提供了极大的便利。函数的核心原理是在指定的起始值和终止值之间，按照给定的元素个数，生成等间隔的数值序列。生成的是等间隔的数值，而不是等差的数值，这使得它在需要精确控制数值间隔的场景中非常有用。：在数值分析中，有时需要在特定范围内对函数进行采样，以评估其性质或进行积分计算。生成的数组可以与其他NumPy函数结合使用，进行进一步的数值计算或数据处理。：在机器学习的数据预处理阶段，有时需要将连续特征划分为等宽度的区间，
2024-05-10 11:24:52
431
26
原创 【数据可视化-03】Pandas图形实战宝典
在数据可视化中，自定义图形样式是提升图表可读性和美观性的重要手段。Pandas通常结合Matplotlib库进行绘图，而Matplotlib提供了丰富的API来自定义图形的各种属性。颜色：可以通过设置color参数来自定义线条、标记、区域等的颜色。线型：可以通过设置linestyle或ls参数来自定义线条的类型，如实线、虚线、点线等。标签：可以通过设置xlabelylabel和title参数来添加或修改坐标轴和标题的标签。
2024-05-09 19:59:07
9604
231
原创 【NumPy数组】：深入解析numpy.array()函数
函数是NumPy库中最基础也最重要的函数之一。它为我们提供了一种高效、灵活的方式来创建和操作数组。通过深入了解函数的用法和注意事项，我们可以更好地利用NumPy库进行数值计算和数据处理，提高代码的质量和效率。在实际应用中，我们应该根据具体的需求和场景，选择合适的参数和数据类型，并遵循最佳实践来创建和操作数组。同时，也要不断学习和探索NumPy的其他功能和用法，以更好地应对各种复杂的数值计算问题。希望本文能够帮助读者更深入地了解函数，并在实际应用中取得更好的效果。
2024-05-08 11:29:43
970
20
原创 【数据可视化-02】Seaborn图形实战宝典
Seaborn是一个基于Python的数据可视化库，它建立在matplotlib的基础之上，为统计数据的可视化提供了高级接口。Seaborn通过简洁美观的默认样式和绘图类型，使数据可视化变得更加简单和直观。它特别适用于那些想要创建具有吸引力且信息丰富的统计图形的数据科学家和数据分析师。集成性：Seaborn与pandas数据结构紧密结合，使得数据分析和可视化可以无缝衔接。美观性：Seaborn提供了精心设计的默认样式和调色板，使得图形更具吸引力。统计绘图。
2024-05-06 20:40:57
12033
239
原创 【机器学习-22】集成方法---Boosting之AdaBoost
1.1*集成学习的概念**1.1.1集成学习的定义集成学习是一种通过组合多个学习器来完成学习任务的机器学习方法。它通过将多个单一模型（也称为“基学习器”或“弱学习器”）的输出结果进行集成，以获得比单一模型更好的泛化性能和鲁棒性。1.1.2集成学习的基本思想集成学习的基本思想可以概括为“三个臭皮匠顶个诸葛亮”。通过将多个简单模型（弱学习器）的预测结果进行组合，可以得到一个更强大、更稳定的模型（强学习器）。这种组合可以有效地降低单一模型的偏差和方差，从而提高整体的预测性能。1.1.3。
2024-05-04 21:25:06
8213
144
原创 【数据可视化-01】Matplotlib图形实战宝典
本文将介绍如何使用matplotlib绘制折线图、直方图、饼图、散点图和柱状图等数据分析中常见的图形，并附上相应的代码示例，可以当初matplotlib函数库来使用，将案列中的数据替换成自己真实的数据即可绘制出符合条件的图像。下面封装的ineChartPlotter类，是为绘制不同种类的折线图，有draw_line_chart、draw_line_ndims_one_dim和draw_nline_chart方法，具体的作用参看图片即可了解；最后，我们设置了X轴和Y轴的刻度标签，并为图表添加了标题。
2024-05-01 23:37:03
10880
207
原创 【机器学习-21】集成学习---Bagging之随机森林（RF）
在机器学习的广袤领域中，集成学习是一种强大且灵活的策略，它通过将多个单独的学习器（或称为“基学习器”）组合起来，形成一个更加强大的学习器，以提升模型的预测性能。集成学习的核心思想在于“集体智慧”的力量，即多个学习器的联合决策通常会比单一学习器的决策更为准确和稳健。集成学习的重要性在于它能够有效解决单一学习器可能存在的过拟合、欠拟合、稳定性差等问题。通过将多个基学习器的预测结果进行综合，集成学习不仅能够提高预测精度，还能增强模型的鲁棒性和泛化能力。
2024-04-28 21:37:12
10560
257
原创 【机器学习-19】集成学习---投票法（Voting）
集成学习是一种强大的机器学习方法，它通过构建并结合多个学习器（也称为“基学习器”或“弱学习器”）的预测结果来完成学习任务。集成学习的主要目的是通过结合多个学习器的预测结果来提高模型的泛化能力和鲁棒性，降低单一学习器可能存在的过拟合或欠拟合风险。集成学习的基本原理在于，不同的学习器往往具有不同的偏差和方差特性，它们在各自的训练数据集上可能会产生不同的预测结果。当我们将这些学习器的预测结果进行某种形式的结合时，可以期望它们的偏差和方差特性能够相互抵消或互补，从而得到更加稳定和准确的预测结果。
2024-04-25 18:02:29
12109
273
信用卡欺诈检测数据集，和机器学习特征筛选：提升模型性能的关键步骤中的特征筛选代码案列
2024-04-22
机器学习/数据挖掘/数据分析 + pyecharts/seaborn/matplotlib + 二手房分析 + 数据可视化展示
2024-03-23
机器学习 + lightgbm/贝叶斯优化/k折交叉验证 + 基于贝叶斯最优化过程 + 优化模型的代码
2024-03-08
机器学习/工业制造 + ML/xgboost + 异烟酸在生成过程中的各个参数的优化来预测最终的收率
2024-03-07
机器学习 + lightgbm/网格搜索交叉验证 + 贷款违约预测(二分类模型） + 预测一个用户是否会产生违约
2024-03-07
深度学习/NLP + BERT-CRF + 实体识别 + 医学糖尿病数据命名实体识别
2024-03-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人