![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能
在在进步
输出是更好的输入
展开
-
实战——KMeans算法(均值)
方法: 对于给定的训练样本集,根据聚类中心与训练样本之间的距离划分为K个簇(K由自己需求决定,簇是指一个数据团,包含n个相同类别样本),再将聚类中心算作所属簇中的一个样本,利用平均值求出新的簇聚类中心,直到让聚类中心与样本距离的误差小于理想值为止。根据上图可视化结果,易得K=3。链接:https://pan.baidu.com/s/1TwC5q8yK95aAElq0IYZJIw。算法思想: 目的:使每一个簇尽可能聚拢,达到聚类的效果。发现上述模型预测结果误差很大(颜色不对应)原创 2023-08-11 18:06:31 · 159 阅读 · 1 评论 -
报错 ‘Sequential‘ object has no attribute ‘predict_classes‘
报错原因:Tensorflow 2.6之前的版本中拥有predict_class属性,在结果预测时可以自动将结果变成0 1分布,TensorFlow 2.6版本中删除了 predicti_classes 这个函数。Tensorflow 2.6以上的版本并没有prvedict_class属性,所以报错。报错 ‘Sequential‘ object has no attribute ‘predict_classes‘但是不知道为什么会导致模型准确率很低,再尝试下面换成这一行代码,准确率正常了。原创 2023-08-10 16:43:28 · 571 阅读 · 1 评论 -
逻辑回归—数据二分类
链接:https://pan.baidu.com/s/1pnmHggCwDAQfnO0VC0zntw?链接:https://pan.baidu.com/s/1pnmHggCwDAQfnO0VC0zntw?3生成新的属性数据(使得边界函数更准确)——建立二阶边界函数。#生成新的数据,并创造更好的模型,利用二阶边界函数。2模型训练——获得边界函数系数——对新数据进行。发现模型拟合度不是很高,继续改进。发现模型准确率才89% 不是很高。改进后的数据函数曲线拟合度很好。发现模型准确率达到了100%原创 2023-08-10 16:16:00 · 83 阅读 · 1 评论 -
Python线性回归
plt.scatter(x,y,color='r',label='x-y') #实际值线,或画成散点,用plt.scatter(x,y)原文链接:https://blog.csdn.net/Andy_shenzl/article/details/90443299。plt.plot(x,y_predict,label='x-y_predict') #预测值线。输出原数据x=3时,y和y_predict的值进行对比,发现有误差。# 进行模型训练,x,y都要是二维的数据。# 建立线性回归模型。原创 2023-08-10 16:04:44 · 79 阅读 · 1 评论 -
Python常用方法
①label:给所绘制的曲线一个名字,此名字在图示(legend)中显示。Dataframe类型的所有数据可以统一 加上或乘 某个数。⑤xlabel/ylabel:设置x轴/y轴的文字。5、数据加载包pandas,读取Excel文件。探索将数组中所有元素都加或乘一个数的方法:……④其中‘b–’参数指定的是曲线的颜色和线型。探索对于数组数据只显示部分数据的方法:……③linewidth:指定曲线的宽度。②color:指定曲线的颜色。⑥title:设置图表的标题。⑦ylim:设置y轴的范围。原创 2023-08-10 15:54:07 · 119 阅读 · 1 评论