py机器学习
学习笔记
鸡康
这个作者很懒,什么都没留下…
展开
-
词频-逆文档频率(TF-IDF)算法
# -*- coding=utf-8 -*- import numpy as np import pandas as pd docA = "The cat sat on my bed" docB = "The dog sat on my knees" bowA = docA.split(" ") #['The', 'cat', 'sat', 'on', 'my', 'bed'] bowB = docB.split(" ") # print(bowA) # 构建词库 wordSet = set(bow原创 2021-04-08 10:25:34 · 706 阅读 · 0 评论 -
LFM隐语义模型降维预测(梯度下降法求解)
import numpy as np import pandas as pd # 评分矩阵R R = np.array([[4,0,2,0,1], [0,2,3,0,0], [1,0,2,4,0], [5,0,0,3,1], [0,0,1,5,1], [0,3,2,4,1],]) """ @输入参数: R:M*N 的评分矩阵 K:隐特征向量维度 max_iter: 最大...转载 2021-04-08 10:23:10 · 132 阅读 · 0 评论 -
K均值聚类
# -*- coding=utf-8 -*- import numpy as np import matplotlib.pyplot as plt # 从sklearn中直接生成聚类数据 from sklearn.datasets import make_blobs #100个样本点,6个中心点(即聚6个类) x, y = make_blobs( n_samples=100, centers=6, random_state=1234, cluster_std=0.6原创 2021-04-05 08:42:23 · 132 阅读 · 4 评论 -
线性回归调sklearn库实现
import numpy as np import matplotlib.pyplot as plt points = np.genfromtxt('data.csv', delimiter=',') points[0,0] # 提取points中的两列数据,分别作为x,y x = points[:, 0] y = points[:, 1] # 用plt画出散点图 plt.scatter(x, y) plt.show() # 损失函数是系数的函数,另外还要传入数据的x,y def compute原创 2021-04-01 08:59:51 · 143 阅读 · 0 评论 -
线性回归梯度下降法
# -*- coding: utf-8 -*- import numpy as np import matplotlib.pyplot as plt #1.导入数据 points = np.genfromtxt('data.csv', delimiter=',') # 提取points中的两列数据,分别作为x,y x = points[:, 0]#所有行的第一列 y = points[:, 1]#所有行的第二列 # 用plt画出散点图 plt.scatter(x, y) plt.show()...原创 2021-03-31 09:44:02 · 112 阅读 · 4 评论 -
线性回归最小二乘法
已知众多的x和y,根据模型y=wx+b求得系数w和b import numpy as np import matplotlib.pyplot as plt #1.导入数据 points = np.genfromtxt('data.csv', delimiter=',') # 提取points中的两列数据,分别作为x,y x = points[:, 0]#所有行的第一列 y = points[:, 1]#所有行的第二列 # 用plt画出散点图 plt.scatter(x, y) plt.show(原创 2021-03-30 10:32:15 · 118 阅读 · 0 评论