![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
Python机器学习
文章平均质量分 79
帮助你了解什么是Python机器学习,以及其中所涉及的常见算法,例如:线性回归、KNN、K-means、BP神经网络等等
编程小吉
莫问前程几许,只顾风雨兼程,既然选择了,那就努力做下去,加油 !
展开
-
Python机器学习算法之AdaBoost算法
AdaBoost算法1.算法概述2.算法原理3.算法步骤4.算法实现5.算法优化1.算法概述AdaBoost 是英文 Adaptive Boosting(自适应增强)的缩写,由 Yoav Freund 和Robert Schapire 在1995年提出。AdaBoost 的自适应在于前一个基本分类器分类错误的样本的权重会得到加强,加强后的全体样本再次被用来训练下一个基本分类器。同时,在每一轮训练中加入一个新的弱分类器,直到达到某个预定的足够小的错误率或达到预先指定的最大迭代次数时停止训练。AdaB原创 2021-05-16 21:15:33 · 2489 阅读 · 2 评论 -
Python机器学习算法之决策树算法
决策树算法1.算法概述2.算法种类3.算法示例4.决策树构建示例5.算法实现步骤6.算法相关概念7.算法实现代码8.算法优缺点9.算法优化1.算法概述决策树算法是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法。分类算法是利用训练样本集获得分类函数即分类模型(分类器),从而实现将数据集中的样本划分到各个类中。分类模型通过学习训练样本中属性集与类别之间的潜在关系,并以此为依据对新样本属于哪一类进行预测。决策树算法原创 2021-05-11 19:43:46 · 2679 阅读 · 20 评论 -
Python机器学习算法之支持向量机算法
支持向量机算法1.算法起源2.算法概述3.算法分类4.算法思想5.算法步骤6.算法相关概念7.算法实现7.算法优点8.算法优化1.算法起源1963年,前苏联学者Vladimir N. Vapnik和Alexander Y. Lerner在研究模式识别的广义肖像算法(generalized portrait algorithm)中提出支持向量方法。1964年,他们进一步建立了函数间隔(硬边距)的线性SVM。并于上世纪70年代,随着最大边距决策边界的理论研究、基于松弛变量的规划问题求解技术的出现,以及V原创 2021-04-20 16:08:50 · 2732 阅读 · 2 评论 -
Python机器学习算法之逻辑回归算法
逻辑回归算法1.算法概述2.算法步骤3.算法优化1.算法概述逻辑回归算法是一种广义的线性回归分析方法,其仅在线性回归算法的基础上,套用一个逻辑函数,从而对事件发生的概率进行预测。逻辑回归算法常用于数据挖掘、疾病自动诊断、经济预测等领域。逻辑回归算法的功能包括预测、判别、寻找影响结果的主要因素。2.算法步骤3.算法优化改进欠拟合欠拟合问题之所以出现是因为特征维度过小,以至于假设函数不足以学习特征和标签之间的非线性关系,所以解决思路是增加特征向量维度。改进分类和回归的精度逻辑回原创 2021-04-19 23:29:29 · 1677 阅读 · 0 评论 -
Python机器学习算法之K-Means算法
k-menas算法1.算法概述2.算法步骤3.算法过程示例4.算法关键问题5.算法优缺点6.算法实现7.算法优化1.算法概述分类:学习/训练过程有监督,训练样本有明确标签聚类:学习/训练过程无监督,样本无明确标签聚类是把各不相同的个体分割为有更多相似性子集合的工作,聚类生成的子集合称为簇。聚类生成的簇内部的任意两个对象之间具有较高的相似度,属于不同簇的两个对象间具有较高的相异度。聚类与分类的区别在于聚类不依赖于预先定义的类,没有预定义的类和样本——聚类是一种无监督的数据挖掘任务。k-mea原创 2021-04-18 11:45:37 · 1647 阅读 · 0 评论 -
Python机器学习算法之KNN算法
KNN算法1.算法概述2.算法步骤3.算法实现4.算法优化1.算法概述k最近邻算法(k-NearestNeighbor,kNN),顾名思义,即由某样本k个邻居的类别来推断出该样本的类别。给定测试样本,基于特定的某种距离度量方式找到与训练集中最接近的k个样本,然后基于这k个样本的类别进行预测。2.算法步骤准备数据,对数据进行预处理选用合适的测试元组和合适的数据存储结构训练数据维护一个大小为k,按距离由大到小的优先级队列,用于存储最近邻训练元组。随机从训练元组中选取k个元组作为初始的最近邻原创 2021-04-17 19:44:32 · 1585 阅读 · 4 评论 -
Python机器学习算法之PCA降维算法
PCA降维算法1.算法概述2.算法步骤3.相关概念4.算法优缺点5.算法实现6.算法优化1.算法概述主成分分析 (Principal ComponentAnalysis,PCA)是一种掌握事物主要矛盾的统计分析方法,它可以从多元事物中解析出主要影响因素,揭示事物的本质,简化复杂的问题。PCA 是最常用的一种降维方法,它的目标是通过某种线性投影,将高维的数据映射到低维的空间中,并期望在所投影的维度上数据的方差最大,以此使用较少的维度,同时保留较多原数据的维度。PCA 算法目标是求出样本数据协方差矩阵原创 2021-04-17 19:42:20 · 2132 阅读 · 0 评论 -
Python机器学习算法之线性回归算法
线性回归1.算法概述2.算法步骤3.梯度下降法4.最小二乘法5.算法实现6.算法优化1.算法概述回归就是用一条曲线对数据点进行拟合,该曲线称为最佳拟合曲线,这个拟合过程称为回归。当该曲线是一条直线时,就是线性回归。线性回归(Linear Regression)是利用数理统计中回归分析,来确定两种或两种以上变量间相互依赖关系的一种统计分析方法。线性回归一般用来做连续值的预测,预测的结果是一个连续值。线性回归在训练学习样本时,不仅需要提供特征向量X,还需要提供样本的实际结果(标记label),因此线原创 2021-04-17 19:36:41 · 2332 阅读 · 1 评论 -
Python机器学习算法基础概述
Python机器学习概述1.基础概述2.算法分类3.研究内容1.基础概述机器学习(Machine Learing)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习专门研究计算机怎样模拟或实现人类的学习行为,以便获取新的知识和技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是计算机具有智能的根本途径,其应用遍及人工智能的各个领域。机器学习使用归纳、综合而不是演绎。2.算法分类按照学习方式监督学习半监督原创 2021-04-17 19:33:18 · 2820 阅读 · 8 评论