机器学习入门与经典算法
对所学习的机器学习进行总结以加深自己理解,也希望能帮到其他人
青峰不长存
持之以恒,四字而已
展开
-
(三)机器学习入门与经典算法之多项式回归
文章目录1.多项式回归2.管道pipeline3.过拟合4.数据验证与交叉验证5.Ridge回归与Lasso回归1.多项式回归(1)什么是多项式回归?答:多项式方程是值方程的最高次项为k的方程,前面我们讲的回归方程:可以看出,它们的次数都为1,次数大于1的方程叫做多项式方程。(2)线性回归要求数据是线性的,而现实中的数据很多都不是线性的。 线性回归的图形是一条直线,而多项式回归的图形是一条曲线。当数据不是线性的,却使用线性回归去预测,效果就会很差,使用多项式模拟会比较好一点。(3)如下图,可以原创 2020-06-18 11:01:07 · 355 阅读 · 0 评论 -
(二)机器学习入门与经典算法之线性回归
文章目录1.线性回归2.最小二乘法3.简单的线性(LinearRegression)回归的实现4.多元线性回归1.线性回归(1) 什么是线性回归?答: 线性回归(Linearregression)是利用称为线性回归方程的最小二乘函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。(2) 线性回归解决的是什么问题?答:解决的是回归问题,例如房价的预测,是把数据x输入线性方程y = a*x+b中,得到一个预测值y1.(3)怎么求线性回归方程?答:求线性回归方程y =a * x原创 2020-06-17 16:34:41 · 207 阅读 · 0 评论 -
(零)机器学习入门与经典算法之numpy的基本操作
文章目录1.根据索引来获取元素2.numpy的基本操作3.矩阵的操作4.聚合操作5. 获取索引的值1.根据索引来获取元素创建一个索引列表ind,用来装载索引,当numpy数据是一维数据时:一个索引对应的是一个元素具体的例子如下:# 数据是一维数据时:索引对应的是一个元素x = np.array([10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120, 130, 140, 150, 160])ind1 = [3, 5, 9]print("根据一原创 2020-06-15 21:13:06 · 656 阅读 · 0 评论 -
(一)机器学习入门与经典算法之KNN算法(第二期)
文章目录1.网格搜索寻找最优超参数2.数据归一化1.网格搜索寻找最优超参数1.什么是网格搜索法?答:网格搜索法是指参数值的一种穷举搜索方法,通过交叉验证的方式来优化得到最优的参数。通俗来说就是你给定一个参数p的范围(1,11),他会在这个范围里面将p的所有可能都进行计算,然后的到一个最优的p.2.怎么使用网格搜索?方法如下:代码中的我们有一个变量是param_grid,表示的意思是:参数名称作为键的字典以及用作值的参数设置列表,可以搜索任何参数设置序列;其实就可以理解为我们需要优化的超参数就原创 2020-06-14 18:29:12 · 120 阅读 · 0 评论 -
(一)机器学习入门与经典算法之KNN算法(第一期)
文章目录1.什么是KNN算法2.KNN算法有什么用3.如何使用KNN4.优化KNN算法(参数)5.什么是权重以及如何计算并优化权重?6.总结:对于KNN的讲解分两期,这是上半部分1.什么是KNN算法答:所谓的KNN算法就是:每个样本都可以用它最接近的k个邻居来代表。就类似于“近朱者赤近墨者黑”,通过你周围的人来判断你是怎么样的一个人。2.KNN算法有什么用答:他可以用于分类预测,也可以用于回归预测,但是一般用于分类预测的比较多。3.如何使用KNNfrom sklearn import data原创 2020-06-14 15:37:18 · 516 阅读 · 1 评论