DataScience
基于机器学习和深度学习算法的数据科学
作者介绍
心比天高，脚踏实地。
不忘初心，不畏将来。
-
原创
ML之xgboost：利用xgboost算法(sklearn+GridSearchCV)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测)
ML之xgboost：利用xgboost算法(sklearn+GridSearchCV)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测) 目录 输出结果 设计思路 核心代码 更多输出 输出结果 正在更新…… 设计思路 正在更新…… 核心代码 from sklea...2019-05-25 11:52:20 阅读数 4912 评论数 0 -
原创
ML之xgboost：利用xgboost算法(sklearn+7CrVa)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测)
ML之xgboost：利用xgboost算法(sklearn+7CrVa)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 kfold = StratifiedKFold(n_split...2019-05-25 10:01:04 阅读数 4961 评论数 0 -
原创
ML之xgboost：利用xgboost算法(sklearn+3Split)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测)
ML之xgboost：利用xgboost算法(sklearn+3Split)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 seed = 7 test_size = 0.33 X_tr...2019-05-24 11:41:38 阅读数 3912 评论数 0 -
原创
ML之xgboost：利用xgboost算法(结合sklearn)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测)
ML之xgboost：利用xgboost算法(结合sklearn)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 bst =XGBClassifier(max_de...2019-05-24 09:40:15 阅读数 3797 评论数 0 -
原创
ML之xgboost：利用xgboost算法(自带方式)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测)
ML之xgboost：利用xgboost算法(自带方式)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测) 目录 输出结果 设计思路 核心代码 输出结果 1、xgboost(num_trees=0): Binary prediction based on Mushroom Dataset ...2019-05-23 22:09:50 阅读数 4355 评论数 0 -
原创
ML之FE：数据处理—特征工程之数据集划分成训练集、验证集、测试集三部分简介、代码实现、案例应用之详细攻略
ML之FE：数据处理—特征工程之数据集划分成训练集、验证集、测试集三部分简介、代码实现、案例应用之详细攻略 目录 数据集划分成训练、验证、测试三种数据的简介 1、训练集、验证集的作用 2、验证数据集 数据集划分成三部分的代码实现 数据集划分成训练、验证、测试三种数据案例应用 数据集划分成训练、验证、测试三种数据的简介 ...2019-02-21 22:24:42 阅读数 4477 评论数 0 -
原创
ML之xgboost：利用xgboost算法对Boston(波士顿房价)数据集【特征列分段→独热编码】进行回归预测(房价预测)+预测新数据得分
ML之xgboost：利用xgboost算法对Boston(波士顿房价)数据集【特征列分段→独热编码】进行回归预测(房价预测)+预测新数据得分 导读 对Boston(波士顿房价)数据集进行特征工程，分别使用特征列分段技术、独热编码技术，然后利用xgboost算法进行预测，发现的确能够进一步提高预测结果。 目录 输出结果 设计思路 核心代码 相关文章ML之XGBR：...2019-03-20 12:44:56 阅读数 10670 评论数 1 -
原创
ML之回归预测：利用13种机器学习算法对Boston(波士顿房价)数据集【13+1,506】进行回归预测(房价预测)+预测新数据得分
ML之回归预测：利用13种机器学习算法对Boston(波士顿房价)数据集【13+1,506】进行回归预测(房价预测)+预测新数据得分 导读 本文章基于前边的一篇文章，对13种机器学习的回归模型性能比较以后，然后利用各个模型对新的数据进行实际回归预测，然后提交到官方，进行成绩测试。发现LGBR算法性能最好，XGBR算法次之，其中rbf_SVR算法性能最差，博主没有把该算法运行的结果提交，只提交了...2019-03-19 21:21:07 阅读数 10235 评论数 0 -
原创
ML之回归预测：利用13种机器学习算法对Boston(波士顿房价)数据集【13+1,506】进行回归预测(房价预测)来比较各模型性能
ML之回归预测：利用13种机器学习算法对Boston(波士顿房价)数据集【13+1,506】进行回归预测(房价预测)来比较各模型性能 导读 通过利用13种机器学习算法，分别是LiR、kNN、SVR、DTR、RFR、SGDR、GBR、LGBR、XGBR算法，然后对Boston(波士顿房价)数据集，形状是【13+1,506】，进行回归预测(房价预测)来比较各模型性能，发现LGBR模型的性能最好。 ...2019-03-19 12:38:10 阅读数 11386 评论数 1 -
原创
ML之回归预测：利用九大类机器学习算法对无人驾驶汽车系统参数(2018年的data,18+2)进行回归预测值VS真实值
ML之回归预测：利用九大类机器学习算法对无人驾驶汽车系统参数(2018年的data,18+2)进行回归预测值VS真实值 相关文章ML之回归预测：利用九大类机器学习算法对无人驾驶汽车系统参数(2018年的data,18+2)进行回归预测值VS真实值 目录 输出结果 核心代码 输出结果 数据的初步查验：输出回归目标值的差异 The max ta...2019-03-18 13:45:28 阅读数 9661 评论数 0 -
原创
ML之回归预测：利用九大类机器学习算法对无人驾驶系统参数(2018年的data,18+2)进行回归预测+评估九种模型性能
ML之回归预测：利用九大类机器学习算法对无人驾驶系统参数(2018年的data,18+2)进行回归预测+评估九种模型性能 相关文章ML之回归预测：利用九大类机器学习算法对自动驾驶系统参数(2018年的data,18+2)进行回归预测+评估九种模型性能 目录 输出记录 1、第一次输出错误记录 2、第二次输出评估模型性能记录 输出记录 1、第一次输出错误记录 数据的...2019-03-18 12:50:11 阅读数 7139 评论数 0 -
原创
ML之RF&XGBoost：基于RF/XGBoost(均+5f-CrVa)算法对Titanic(泰坦尼克号)数据集进行二分类预测(乘客是否生还)
ML之RF&XGBoost：基于RF/XGBoost(均+5f-CrVa)算法对Titanic(泰坦尼克号)数据集进行二分类预测(乘客是否生还) 目录 输出结果 比赛结果 设计思路 核心代码 输出结果 比赛结果 设计思路 核心代码 rfc = RandomForestC...2019-03-11 08:59:32 阅读数 5585 评论数 0 -
原创
ML之LiR&DNN&EL：基于skflow的LiR、DNN、sklearn的RF对Boston(波士顿房价)数据集进行回归预测(房价)
ML之LiR&DNN&EL：基于skflow的LiR、DNN、sklearn的RF对Boston(波士顿房价)数据集进行回归预测(房价) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 tf_lr = skflow.TensorFlowLinearRegressor(steps...2019-03-10 17:59:49 阅读数 6082 评论数 0 -
原创
TF之LiR：利用TF自定义一个线性分类器LiR对乳腺癌肿瘤数据集进行二分类预测(良/恶性)
TF之LiR：利用TF自定义一个线性分类器LiR对乳腺癌肿瘤数据集进行二分类预测(良/恶性) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 X_train = np.float32(train[['Clump Thickness', 'Cell Size']].T) y_tra...2019-03-09 23:04:28 阅读数 6307 评论数 0 -
原创
ML之RF&XGBoost：分别基于RF随机森林、XGBoost算法对Titanic(泰坦尼克号)数据集进行二分类预测(乘客是否生还)
ML之RF&XGBoost：分别基于RF随机森林、XGBoost算法对Titanic(泰坦尼克号)数据集进行二分类预测(乘客是否生还) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 rfc = RandomForestClassifier() rfc.fit(X_train, y_tra...2019-03-09 17:55:26 阅读数 6379 评论数 0 -
原创
ML之Xgboost：利用Xgboost模型(7f-CrVa+网格搜索调参)对数据集(比马印第安人糖尿病)进行二分类预测
ML之Xgboost：利用Xgboost模型(7f-CrVa+网格搜索调参)对数据集(比马印第安人糖尿病)进行二分类预测 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 grid_search = GridSearchCV(model, param_grid, scoring="neg_...2019-03-09 16:04:55 阅读数 6257 评论数 0 -
原创
ML之Xgboost：利用Xgboost模型对数据集(比马印第安人糖尿病)进行二分类预测(5年内是否患糖尿病)
ML之Xgboost：利用Xgboost模型对数据集(比马印第安人糖尿病)进行二分类预测(5年内是否患糖尿病) 目录 输出结果 设计思路 核心代码 输出结果 X_train内容： [[ 3. 102. 44. ... 30.8 0.4 26. ] [ 1. 77. 56. ... 3...2019-03-08 23:16:38 阅读数 6038 评论数 0 -
原创
CV之face_recognition：Py之face_recognition库安装、介绍、使用方法详细攻略
CV之face_recognition：Py之face_recognition库安装、介绍、使用方法详细攻略 目录 face_recognition简介 face_recognition安装 face_recognition使用 face_recognition简介 从python或使用世界上最简单的人脸识别库的命令行识别和操作人脸。使用dli...2019-03-08 21:57:18 阅读数 5290 评论数 0 -
原创
ML之SVM：利用SVM算法(超参数组合进行多线程网格搜索+3fCrVa)对20类新闻文本数据集进行分类预测、评估
ML之SVM：利用SVM算法(超参数组合进行多线程网格搜索+3fCrVa)对20类新闻文本数据集进行分类预测、评估 目录 输出结果 设计思路 核心代码 输出结果 Fitting 3 folds for each of 12 candidates, totalling 36 fits [CV] svc__C=0.1, svc__gamma=0.01 ........2019-03-06 22:37:01 阅读数 5662 评论数 0 -
原创
ML之SVM：利用SVM算法(超参数组合进行单线程网格搜索+3fCrVa)对20类新闻文本数据集进行分类预测、评估
ML之SVM：利用SVM算法(超参数组合进行单线程网格搜索+3fCrVa)对20类新闻文本数据集进行分类预测、评估 目录 输出结果 设计思路 核心代码 输出结果 Fitting 3 folds for each of 12 candidates, totalling 36 fits [CV] svc__C=0.1, svc__gamma=0.01 ...2019-03-06 22:36:48 阅读数 5742 评论数 0 -
原创
ML之4PolyR：利用四次多项式回归4PolyR模型+两种正则化(Lasso/Ridge)在披萨数据集上拟合(train)、价格回归预测(test)
ML之4PolyR：利用四次多项式回归4PolyR模型+两种正则化(Lasso/Ridge)在披萨数据集上拟合(train)、价格回归预测(test) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 lasso_poly4 = Lasso() lasso_poly4.fit(X_train_...2019-03-05 22:22:59 阅读数 5163 评论数 0 -
原创
ML之LiR&2PolyR&4PolyR：使用线性回归LiR、二次多项式回归2PolyR、四次多项式回归4PolyR模型在披萨数据集上拟合(train)、价格回归预测(test)
ML之LiR&2PolyR&4PolyR：使用线性回归LiR、二次多项式回归2PolyR、四次多项式回归4PolyR模型在披萨数据集上拟合(train)、价格回归预测(test) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 poly4 = PolynomialFeature...2019-03-05 10:26:19 阅读数 6291 评论数 4 -
原创
ML之LiR&2PolyR：使用线性回归LiR、二次多项式回归2PolyR模型在披萨数据集上拟合(train)、价格回归预测(test)
ML之LiR&2PolyR：使用线性回归LiR、二次多项式回归2PolyR模型在披萨数据集上拟合(train)、价格回归预测(test) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 poly2 = PolynomialFeatures(degree=2) X_train_poly2 =...2019-03-05 10:23:34 阅读数 5273 评论数 0 -
原创
ML之LiR：使用线性回归LiR回归模型在披萨数据集上拟合(train)、价格回归预测(test)
ML之LiR：使用线性回归LiR回归模型在披萨数据集上拟合(train)、价格回归预测(test) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 r= LinearRegression() r.fit(X_train, y_train) x = np.linspace(...2019-03-05 10:13:28 阅读数 4264 评论数 0 -
原创
ML之DT：基于DT决策树算法(交叉验证FS+for遍历最佳FS)对Titanic(泰坦尼克号)数据集进行二分类预测
ML之DT：基于DT决策树算法(交叉验证FS+for遍历最佳FS)对Titanic(泰坦尼克号)数据集进行二分类预测 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 fs = feature_selection.SelectPercentile(feature_...2019-03-04 11:17:32 阅读数 4679 评论数 0 -
原创
ML之DT：基于DT决策树算法(对比是否经特征筛选FS处理)对Titanic(泰坦尼克号)数据集进行二分类预测
ML之DT：基于DT决策树算法(对比是否经特征筛选FS处理)对Titanic(泰坦尼克号)数据集进行二分类预测 目录 输出结果 设计思路 核心代码 输出结果 初步处理后的 X_train： (984, 474) (0, 0) 31.19418104265403 (0, 78) 1.0 (0, 82)...2019-03-04 09:55:26 阅读数 3862 评论数 0 -
原创
ML之SVM：利用SVM算法对手写数字图片识别数据集(PCA降维处理)进行预测并评估模型(两种算法)性能
ML之SVM：利用SVM算法对手写数字图片识别数据集(PCA降维处理)进行预测并评估模型(两种算法)性能 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 estimator = PCA(n_components=20) pca_X_train = estimator....2019-03-02 17:09:29 阅读数 3453 评论数 0 -
原创
ML之K-means：基于DIY数据集利用K-means算法聚类(测试9种不同聚类中心的模型性能)
ML之K-means：基于DIY数据集利用K-means算法聚类(测试9种不同聚类中心的模型性能) 目录 输出结果 设计思路 实现代码 输出结果 设计思路 1、使用均匀分布函数随机三个簇，每个簇周围10个数据样本。 2、绘制30个数据样本的分布图像。 3、测试9种不同聚类中心数量下，每种情况的聚类质量，并作图。 ...2019-02-28 11:14:56 阅读数 3245 评论数 0 -
原创
ML之K-means：基于(完整的)手写数字图片识别数据集利用K-means算法实现图片聚类
ML之K-means：基于(完整的)手写数字图片识别数据集利用K-means算法实现图片聚类 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 metrics.adjusted_rand_score(y_test, y_pred) plt.xlim([0, 10]) plt.ylim([0...2019-02-27 17:11:29 阅读数 5090 评论数 0 -
原创
ML之DT&RFR&ExtraTR&GBR：基于四种算法(DT、RFR、ExtraTR、GBR)对Boston(波士顿房价)数据集(506,13+1)进行价格回归预测并对比各自性能
ML之DT&RFR&ExtraTR&GBR：基于四种算法(DT、RFR、ExtraTR、GBR)对Boston(波士顿房价)数据集(506,13+1)进行价格回归预测并对比各自性能 目录 输出结果 设计思路 核心代码 输出结果 Boston House Prices dataset ==================...2019-02-25 11:22:44 阅读数 3546 评论数 0 -
原创
ML之kNN(两种)：基于两种kNN(平均回归、加权回归)对Boston(波士顿房价)数据集(506,13+1)进行价格回归预测并对比各自性能
ML之kNN(两种)：基于两种kNN(平均回归、加权回归)对Boston(波士顿房价)数据集(506,13+1)进行价格回归预测并对比各自性能 目录 输出结果 设计思路 核心代码 输出结果 Boston House Prices dataset =========================== Notes ------ ...2019-02-25 10:57:31 阅读数 3298 评论数 0 -
原创
ML之SVM(三种)：基于三种SVM(linearSVR、polySVR、RBFSVR)对Boston(波士顿房价)数据集(506,13+1)进行价格回归预测并对比各自性能
ML之SVM(三种)：基于三种SVM(linearSVR、polySVR、RBFSVR)对Boston(波士顿房价)数据集(506,13+1)进行价格回归预测并对比各自性能 目录 输出结果 设计思路 核心代码 输出结果 Boston House Prices dataset =========================== Notes ------ ...2019-02-25 10:24:24 阅读数 5530 评论数 0 -
原创
ML之LiR&SGDR：基于二种算法(LiR、SGDR)对Boston(波士顿房价)数据集(506,13+1)进行价格回归预测并对比各自性能
ML之LiR&SGDR：基于二种算法(LiR、SGDR)对Boston(波士顿房价)数据集(506,13+1)进行价格回归预测并对比各自性能 目录 输出结果 设计思路 核心代码 输出结果 Boston House Prices dataset =========================== Notes -----...2019-02-24 22:48:13 阅读数 4482 评论数 0 -
原创
EL之DT&RF&GBT：基于三种算法(DT、RF、GBT)对泰坦尼克号乘客数据集进行二分类(是否获救)预测并对比各自性能
EL之DT&RF&GBT：基于三种算法(DT、RF、GBT)对泰坦尼克号乘客数据集进行二分类(是否获救)预测并对比各自性能 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 vec = DictVectorizer(sparse=False) X_train = vec.fit_...2019-02-24 10:52:06 阅读数 4654 评论数 0 -
原创
ML之DT：基于DT算法对泰坦尼克号乘客数据集进行二分类(是否获救)预测
ML之DT：基于DT算法对泰坦尼克号乘客数据集进行二分类(是否获救)预测 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state = ...2019-02-23 22:01:53 阅读数 4822 评论数 0 -
原创
ML之kNN：利用kNN算法对莺尾(Iris)数据集进行多分类预测
ML之kNN：利用kNN算法对莺尾(Iris)数据集进行多分类预测 目录 输出结果 设计思路 核心代码 输出结果 输出数据说明： Iris Plants Database ==================== Notes ----- Data Set Characteristics: :Number of Instance...2019-02-23 14:32:16 阅读数 3792 评论数 0 -
原创
ML之LoR&SGD：基于LoR(逻辑回归)、SGD梯度下降算法对乳腺癌肿瘤(10+1)进行二分类预测(良/恶性)
ML之LoR&SGD：基于LoR(逻辑回归)、SGD梯度下降算法对乳腺癌肿瘤(10+1)进行二分类预测(良/恶性) 目录 输出结果 设计思路 核心代码 输出结果 breast-cancer size (683, 11) 训练集情况 2 344 4 168 Name: Class, dtype: i...2019-02-21 22:26:09 阅读数 4444 评论数 0 -
原创
ML之LoR：基于LoR(逻辑回归)算法对乳腺癌肿瘤(9+1)进行二分类预测(良/恶性)
ML之LoR：基于LoR(逻辑回归)算法对乳腺癌肿瘤(9+1)进行二分类预测(良/恶性) 目录 输出结果 设计思路 数据集 核心代码 输出结果 Testing accuracy (10 training samples): 0.8685714285714285 Testing accuracy (all training samples): 0.937...2019-02-20 17:16:37 阅读数 4433 评论数 2 -
原创
EL之Bagging：kaggle比赛之利用泰坦尼克号数据集建立Bagging模型对每个人进行获救是否预测
EL之Bagging：kaggle比赛之利用泰坦尼克号数据集建立Bagging模型对每个人进行获救是否预测 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 bagging_clf = BaggingRegressor(clf_LoR, n_estimators=10, max_samples=0.8, max_f...2019-01-31 21:10:26 阅读数 6446 评论数 0 -
原创
ML之LoR&Bagging&RF：依次利用Bagging、RF算法对泰坦尼克号数据集 (Kaggle经典案例)获救人员进行二分类预测——模型融合
ML之LoR&Bagging&RF：依次利用Bagging、RF算法对泰坦尼克号数据集 (Kaggle经典案例)获救人员进行二分类预测——模型融合 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 RF算法 clf=RandomForestClassifier(n_es...2019-01-31 20:53:57 阅读数 6530 评论数 0