![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Machine_Learning_Notes
文章平均质量分 83
Machine_Learning_Notes
beyond谚语
你只管努力,剩下的交给天意。
展开
-
八、决策树算法实验可视化展示
一、树模型的可视化展示官网下载安装包右击管理员身份运行,直接下一步即可。配置环境变量:将安装好的可视化软件的bin文件夹路径添加到系统环境变量Path下即可打开cmd,输入dot -version,出现相关信息即安装成功二、决策树过程运行import numpy as npimport os%matplotlib inlineimport matplotlibimport matplotlib.pyplot as pltplt.rcParams['axes.labelsize'原创 2022-04-17 17:27:33 · 1808 阅读 · 0 评论 -
七、决策树算法和集成算法
一、决策树算法Ⅰ,树模型决策树:从根节点开始一步步走到叶子节点(决策)所有的数据最终都会落到叶子节点,既可以做分类也可以做回归对于分类:是由众数决定的,例如爷爷奶奶妈妈都是负数,狗蛋儿是正数对于回归:主要是利用方差来进行计算的,例如按照年龄划分,不同年龄划分到一块,优劣主要看方差的大小数值进行判断。节点的值就是每个划分到一块的年龄的平均值。举个例子:若要判断谁喜欢打王者农药,如何判断?首先很容易明白,一般喜欢打农药都是青少年,所以先通过年龄划分,接着,男孩子多数喜欢,然后通过性别划分,最后找到原创 2022-04-17 15:41:04 · 924 阅读 · 0 评论 -
六、聚类算法实战
一、K-Means算法#导包import numpy as npimport os%matplotlib inlineimport matplotlibimport matplotlib.pyplot as pltplt.rcParams['axes.labelsize'] = 14plt.rcParams['xtick.labelsize'] = 12plt.rcParams['ytick.labelsize'] = 12import warningswarnings.filterw原创 2022-04-17 11:46:26 · 1147 阅读 · 0 评论 -
五、逻辑回归实验分析
所有代码块都是在Jupyter Notebook下进行调试运行,前后之间都相互关联。文中所有代码块所涉及到的函数里面的详细参数均可通过scikit-learn官网API文档进行查阅,这里我只写下每行代码所实现的功能,参数的调整读者可以多进行试验调试。多动手!!!一、简介线性回归是回归问题,可以得到一个具体的回归值;而逻辑回归是分类问题,可以得到将两种类别物体分类。逻辑回归借助sigmoid函数进行了数值映射,将求出的值转换为0-1之间的概率,通过比较相关概率从而实现分类任务。导包import n原创 2022-04-16 10:24:47 · 1184 阅读 · 0 评论 -
四、逻辑回归
逻辑回归其实是分类算法,而不是回归算法。回归算法得到的是一个数,分类算法得到的是几个不同的类别。逻辑回归就是通过函数将值转换为0-1之间,形成概率问题,从而实现了不同类别的分类。Sigmoid 函数Ⅰ、函数介绍自变量取值为任意实数,值域[0,1]将任意的输入映射到了[0,1]区间,在线性回归中可以得到一个预测值,再将该值映射到Sigmoid 函数中这样就完成了由值到概率的转换,也就是分类任务。Ⅱ、函数整理预测函数:,其中分类任务:整理可得:对于二分类任务(0,1),整合后y取0只保留原创 2022-04-15 17:52:01 · 393 阅读 · 0 评论 -
三、线性回归实验分析
主要内容:线性回归方程实现梯度下降效果对比不同梯度下降策略建模曲线分析过拟合与欠拟合正则化的作用提前停止策略原创 2022-04-15 17:03:57 · 2186 阅读 · 0 评论 -
二、模型评估方法
二、模型评估方法原创 2022-04-14 22:03:49 · 581 阅读 · 0 评论 -
一、线性回归
一、在有监督学习中主要包括两大类问题分类问题:你去银行贷款借钱,人家银行会不会借给你?当然只有两种答案:会、不会回归问题:人家银行能借给你多少钱?是一个具体的值举个例子:假如你去银行贷款,人家银行主要考虑你月薪和年龄这两个因素来决定你的最终的贷款金额。x0你的月薪(x1)你的年龄(x2)可以给你贷款金额(Y)1300020200001800028350001100025100001400030300001120002050原创 2022-04-14 11:08:08 · 418 阅读 · 0 评论