机器学习打卡
文章平均质量分 96
今天吃了几碗饭?
这个作者很懒,什么都没留下…
展开
-
python-机器学习打卡(七)--无监督学习(一)--基础概念和主成分分析
这里写目录标题无监督学习无监督学习任务数据集变换聚类算法数据预处理和缩放预处理对监督学习的作用降维、特征提取无监督学习无监督学习简单说就是模型只有输入数据,但输出是未知的,和监督学习的区别就在于输出是否已知。无监督学习任务无监督学习常用两种类型就是:数据集变换和聚类数据集变换对旧数据集创建新的表示算法,使得新的数据集更容易被理解。最常见的就是降维任务(dimensionality reduction)通过接收包含许多特征的数据的高维表示,并找到新的方法进行变换,使得可以使用较少的特征就可以概括原创 2021-05-18 21:42:30 · 600 阅读 · 0 评论 -
python-机器学习打卡(六)--监督学习(五)--神经网络
目录神经网络神经网络模型神经网络调参小结神经网络这里讨论关于多层感知机(multilayer perceptron,MLP),MLP被称为前馈神经网络,有时也叫神经网络。神经网络模型MLP可以被看做是广义的线性模型,执行多层得到的结论。对象与线性回归公式y^=W∗X+b=w[0]∗x[0]+w[1]∗x[1]+⋅⋅⋅+w[p]∗x[p]+b\hat{y} =W*X+b= w[0]*x[0]+w[1]*x[1]+···+w[p]*x[p]+by^=W∗X+b=w[0]∗x[0]+w[1]∗x原创 2021-05-16 21:29:06 · 584 阅读 · 0 评论 -
python-机器学习打卡(五)--监督学习(四)--核支持向量机
目录核支持向量机线性模型与非线性特性核技巧核支持向量机SVM的英文全称是Support Vector Machines,中文叫支持向量机。支持向量机是我们用于分类的一种算法。支持向量也可以用于回归,此时叫支持向量回归(Support Vector Regression,简称SVR)。SVM的主要思想可以概括为如下两点:(1)它是针对线性可分的情况进行分析的。对于线性不可分的情况,通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间,使其线性可分,从而使得在高维特征空间中采用线性算法原创 2021-05-14 16:58:15 · 269 阅读 · 0 评论 -
python-机器学习打卡(四)--监督学习(三)--决策树、决策树集成
目录决策树控制决策树复杂度分析决策树特征重要性决策树优缺点决策树集成随机森林构造随机森林分析数据优缺点梯度提升回归树(梯度提升机)优缺点决策树决策树就是一棵树,一颗决策树包含一个根节点、若干个内部结点和若干个叶结点;叶结点对应于决策结果,其他每个结点则对应于一个属性测试;每个结点包含的样本集合根据属性测试的结果被划分到子结点中;根结点包含样本全集,从根结点到每个叶子结点的路径对应了一个判定测试序列。本质上他是从一层一层的if/else问题中进行学习并得出结论。如下图所示,如果要区分四种动物鹰(haw原创 2021-05-06 15:56:53 · 561 阅读 · 0 评论 -
python-机器学习打卡(三)--监督学习(二)--线性模型
目录线性模型用于回归的线性模型线性回归(最小二乘法)岭回归(ridge regression)lasso线性模型线性模型是实践中使用比较广泛的模型,利用输入数据的线性函数进行预测。用于回归的线性模型回归问题使用的显现函数如下:y^=W∗X+b=w[0]∗x[0]+w[1]∗x[1]+⋅⋅⋅+w[p]∗x[p]+b\hat{y} =W*X+b= w[0]*x[0]+w[1]*x[1]+···+w[p]*x[p]+by^=W∗X+b=w[0]∗x[0]+w[1]∗x[1]+⋅⋅⋅+w[p]∗x[原创 2021-05-05 21:48:07 · 155 阅读 · 0 评论 -
python-机器学习打卡(二)--监督学习(一)--KNN
监督学习分类回归监督学习算法KNN邻近KNN分类KNN回归小结监督学习监督学习: 有一组数量较多的历史样本集,其中每个样本有一组特征(Feature)和一个或几个表示其自身的类型或数值的标签(Label):对历史样本进行学习得到模型后,可用新样本的特征预测其对应的标签。与之相反的就是无监督学习:输入数据没有被标记,也没有确定的结果。样本数据类别未知,需要根据样本间的相似性对样本集进行分类(聚类,clustering)试图使类内差距最小化,类间差距最大化。简单来说,如果有一群动物,我们已经知道存在猫.原创 2021-05-02 13:34:50 · 495 阅读 · 0 评论 -
python-机器学习打卡(一)
这里是自定义目录标题....????欢迎使用Markdown编辑器依赖的库和工具有:第一个应用:鸢尾花分类初识数据如何衡量模型第一个模型:KNN邻近找到一本堆了好久灰尘的书,因为当初好多人推荐就买了,然后放好久了…最近拿着看一看,希望可以看完。就是这本哈哈哈哈哈哈哈哈欢迎使用Markdown编辑器这本书使用的了sciki-learn(后面用sklearn代替)开源项目 , 搬运一下别人写的这几个框架的区别QAQscikit learn、tensorflow、keras区别依赖的库和工具有:原创 2021-04-29 14:39:43 · 341 阅读 · 0 评论