HuaZe

数据表示与特征工程目前为止，数据都是浮点数的二维数据，而且横着那一排还是个连续特征（continue feature），实际上生活中基本是分类特征（categorical feature）,也叫离散特征（discrete feature），且不是数值呢。且我们知道数据缩放很重要，同样的用额外的特征扩充（augment）数据也很有帮助，比如添加特征的交互项呢。特征工程（feature eng...

聚类聚类（clustering）将数据划分为组，这些组叫作簇。聚类算法为每个数字分配一个数字，表示这个点属于哪个簇。1.K均值聚类它试图找到聚类的簇中心，将每个数据点分配到最近的簇中心，然后每个簇中心设置为分配的所有点的平均值。mglearn.plots.plot_kmeans_algorithm()plt.show()先初始化。分配数据点，重新计算中心，一共迭代了3...

降维、特征提取与流形学习为了实现数据变换的那些目的，最常用的算法就是主成分分析。以及另外两种算法：用于特征提取的非负矩阵分解 NMF、用于二位散点图可视化的 t-SNE1.主成分分析主成分分析（principal component analysis, PCA）是一种旋转数据集的方法，旋转后的特征在统计上不相关。通常是根据特征对解释数据的重要性来选择它的一个子集。mglearn....

无监督学习与预处理1.无监督学习的类型本章将研究两种类型的无监督学习：数据集变换与聚类数据集的无监督变换（unsupervised transformation）是创建数据新的表示的算法，提取其特征降维处理。另一个应用是找到“构成”数据的各个组成部分。与之相反，聚类算法（clustering algorithm）将数据划分成不同的组.2.无监督学习的挑战主要挑战是评估算法是...

分类器的不确定度估计scikit-learn 的另一个有用之处就是分类器能给出预测的不确定度估计。我们不仅关心预测点的被分类情况，还关心这个预测的置信度，这个在医学上是很严肃的问题呢。scikit-learn 中有两个函数可以获取不确定度估计，decision_function 和 predict_proba 。from sklearn.model_selection import t...

神经网络（深度学习）深度学习算法往往经过精确调整，只适用于特定的应用场景。这里讨论简单的用于分类和回归的多层感知机(multilayer perceptron, MLP)，MLP也被称为前馈神经网络/神经网络。1.神经网络模型MLP可以被视为广义的线性模型。display(mglearn.plots.plot_logistic_regression_graph())输入特征...