![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数据分析与机器学习、深度学习
此部分主要是根据平常涉及到的数据分析以及机器学习领域的知识进行简单的小结
Pyrs
这个作者很懒,什么都没留下…
展开
-
机器学习笔记(吴恩达)——神经网络与多分类作业
import matplotlib.pyplot as plt import matplotlibimport numpy as npfrom scipy.io import loadmatfilename1=r'F:\jypternotebook\吴恩达机器学习python作业代码\code\ex3-neural network\ex3data1.mat'ex3data1=loadmat(filename1)X=ex3data1.get('X')y=ex3data1.get('y')原创 2020-08-07 20:12:52 · 505 阅读 · 0 评论 -
机器学习笔记(吴恩达)——神经网络:表述
模型表示1神经网络模型建立在很多神经元之上,每一个神经元又是一个个学习模型。这些神经元(也叫激活单元,activation unit)采纳一些特征作为输出,并且根据本身的模型提供一个输出。下图是一个以逻辑回归模型作为自身学习模型的神经元示例,在神经网络中,参数又可被成为权重(weight)其中x1x_1x1, x2x_2x2, x3x_3x3是输入单元(input units),我们将原始数据输入给它们。 a1a_1a1, a2a_2a2, a3a_3a3是中间单元,它们负责将数据进行处理原创 2020-08-05 14:54:07 · 364 阅读 · 0 评论 -
机器学习笔记(吴恩达)——逻辑回归作业
EX2 逻辑回归1.1可视化数据import numpy as npimport matplotlib.pyplot as pltimport pandas as pdfilepath=r'F:\jypternotebook\吴恩达机器学习python作业代码\code\ex2-logistic regression\ex2data1.txt'ex2_data1=pd.read_csv(filepath,header=None,names=['exam1','exam2','admitted'原创 2020-08-04 09:56:37 · 1029 阅读 · 0 评论 -
机器学习笔记(吴恩达)——逻辑回归
假说表示我们引入一个新的模型,逻辑回归,该模型的输出变量范围始终在0和1之间。 逻辑回归模型的假设是:hθ(x)=g(θTX)h_\theta \left( x \right)=g\left(\theta^{T}X \right)hθ(x)=g(θTX)其中: XXX 代表特征向量 ggg 代表逻辑函数(logistic function)是一个常用的逻辑函数为S形函数(Sigmoid function),公式为: g(z)=11+e−zg\left( z \right)=\frac{1}{1+{原创 2020-08-03 18:58:22 · 212 阅读 · 0 评论 -
机器学习作业(吴恩达)——线性回归(linear regression,python版本)
EX1-线性回归1简单函数运用产生一个5×55\times55×5的矩阵import numpy as npimport pandas as pdimport matplotlib.pyplot as pltA=np.eye(5)Aarray([[1., 0., 0., 0., 0.], [0., 1., 0., 0., 0.], [0., 0., 1., 0., 0.], [0., 0., 0., 1., 0.], [0., 0.,原创 2020-05-12 20:33:15 · 765 阅读 · 19 评论 -
机器学习笔记(吴恩达)——多变量线性回归
多变量线性回归模型的特征为(x1,x2,...,xn)(x_1,x_2,...,x_n)(x1,x2,...,xn)符号说明nnn表示特征的数量x(i)x^{(i)}x(i)代表第iii个实例,即特征矩阵中第iii行因此多变量的假设hhh为:hθ(x)=θ0x0+θ1x1+θ2x2+...+θnxnh_{\theta} \left( x \right)={\theta_{0}}...原创 2020-05-07 20:03:06 · 565 阅读 · 6 评论 -
机器学习笔记(吴恩达)——单变量线性回归
单变量线性回归符号说明mmm代表训练集中实例数据xxx代表输入特征/输入变量yyy代表目标变量/输出变量(x,y)(x,y)(x,y)代表训练集中的实例(xi,yi)(x_i,y_i)(xi,yi) 代表第iii个观测实例hhh代表学习算法解决方案或函数代价函数代价函数为J(θ0,θ1)=12m∑i=1m(hθ(xi)−yi)2J(\theta_0,\theta_1)...原创 2020-05-05 11:51:03 · 1251 阅读 · 3 评论 -
python机器学习与数据分析实战——seaborn
import seaborn as snsimport numpy as npimport matplotlib as mplimport matplotlib.pyplot as pltx=np.linspace(0,14,100)for i in range(1,7): plt.plot(x,np.sin(x+i*5)*(7-i))seaborn提供了众多模板来进行画...原创 2020-05-04 11:31:51 · 607 阅读 · 2 评论 -
python数据分析与机器学习实战笔记——matplotlib
Matplotlib库基础画折线图import pandas as pdunrate=pd.read_csv(r"F:\唐宇迪机器学习资料\机器学习\Python库代码(4个)\3-可视化库matpltlib\UNRATE.csv")unrate["DATE"]=pd.to_datetime(unrate["DATE"])print(unrate.headd(12)) ...原创 2020-05-03 15:23:18 · 958 阅读 · 1 评论 -
python机器学习与数据分析实战笔记——pandas
Pandas库基础底层实现是numpy实现的1.1读取csv文件import pandas as pdfood_info=pd.read_csv(r"F:\唐宇迪机器学习资料\机器学习\Python库代码(4个)\2-数据分析处理库pandas\food_info.csv")print(type(food_info))#print(food_info.dtypes)#print(he...原创 2020-05-02 11:49:36 · 1480 阅读 · 1 评论 -
python机器学习与数据分析实战笔记——numpy基础
numpy基础结构import numpy as npnumber=np.array([1,2,3,4])world_alcohol=np.genfromtxt(r'F:\唐宇迪机器学习资料\机器学习\Python库代码(4个)\1-科学计算库numpy\world_alcohol.txt',\ delimiter=',',dtyp...原创 2020-05-01 21:56:07 · 303 阅读 · 1 评论 -
决策树简单介绍
前言为完成每日一更的习惯,今天就从与我们专业比较相关的一些基础的机器学习基本方法说起,从目前我现在看的文献来看,用于我们专业的分类算法也就常用的那么几种,随机森林,决策树,SVM等等,今天也是从常用数据挖掘算法总结及python实现这一书中学习了决策树部分内容,可以说第一天是收获满满1决策树简介分类决策树模型是一种描述对实例进行的形结构。由点和有向边组成,节点有两种类型,内部节点与叶节点,内...原创 2020-04-05 20:19:22 · 957 阅读 · 0 评论