机器学习
不会程序的++猫
致力于python,机器学习,人工智能,人机交互
展开
-
机器学习之逻辑回归-逻辑回归的原理及python代码实现
逻辑回归1.功能做二分类(1/0)任务,并给出相应概率是否是 逻辑回归讲的是分类问题二分类可以扩展到多分类问题2.灵感过程1.做分类问题从简单的二分类开始2.标签是(1/0)3.可使用最简单的单位阶跃函数u(t)={1,z>00.5,z=00,z<0u(t)=\left\{\begin{matrix} 1,z>0 \\ 0.5,z=0\\ 0,z<0\end{matrix}\right.u(t)=⎩⎨⎧1,z>00.5,z=00,原创 2020-11-20 17:45:27 · 1166 阅读 · 2 评论 -
机器学习之Pandas
1.pandasPandas是Python的一个数据分析包,该工具为解决数据分析任务而创建。Pandas纳入大量库和标准数据模型,提供高效的操作数据集所需的工具。Pandas提供大量能使我们快速便捷地处理数据的函数和方法。Pandas是字典形式,基于NumPy创建,让NumPy为中心的应用变得更加简单。2.pandas的数据结构1.seriesps:NaN(not a number),在数学表示上表示一个无法表示的数,这里一般还会有另一个表述inf,inf和nan的不同在于,inf是一个原创 2020-11-15 11:56:00 · 307 阅读 · 2 评论 -
机器学习之朴素贝叶斯-朴素贝叶斯的python代码实现
1.伯努利朴素贝叶斯常用于文档分类2.构建词向量侮辱性(1)非侮辱性(0)3.此案例所有函数4. reduce 函数reduce() 函数会对参数序列中元素进行累积。函数将一个数据集合(链表,元组等)中的所有数据进行下列操作:用传给 reduce 中的函数 function(有两个参数)先对集合中的第 1、2 个元素进行操作,得到的结果再与第三个数据用 function 函数运算,最后得到一个结果。reduce(function,iterable,[initializer])func原创 2020-11-15 11:46:23 · 1122 阅读 · 0 评论 -
机器学习之朴素贝叶斯-朴素贝叶斯的原理实现
朴素贝叶斯原理Naive1.简介贝叶斯分类算法是统计学中的一种概率分类方法,朴素贝叶斯分类是贝叶斯分类中最简单的一种。其分类原理就是利用贝叶斯公式根据某特征的先验概率计算出其后验概率,然后选择具有最大后验概率作为该特征所属的类。朴素贝叶斯的整体思想就是不一定需要知道全部的概率,根据一组已知的数据集合(训练集)的概率,推算出测试类应该更大概率的属于哪一分类。之所以称之为“朴素”,因为它简单、易于操作,基于特征独立性假设,假设各个特征不会相互影响,无关顺序。这样就大大减小了计算概率的难度。2.数学基础原创 2020-11-15 11:35:18 · 389 阅读 · 2 评论