![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 52
机器学习
yes or ok
在心里种花,人生才不会荒芜。
展开
-
七、机器学习总结
原创 2024-02-23 15:10:43 · 125 阅读 · 0 评论 -
六、回归与聚类算法 - K-means算法
目录1、K-means 聚类步骤2、API3、案例4、性能评估指标5、总结原创 2024-02-23 15:00:48 · 417 阅读 · 0 评论 -
六、回归与聚类算法 - 模型保存与加载
模型保存与加载。原创 2024-02-23 11:52:02 · 562 阅读 · 0 评论 -
六、回归与聚类算法 - 逻辑回归与二分类
分类算法:逻辑回归。原创 2024-02-22 21:50:26 · 238 阅读 · 0 评论 -
六、回归与聚类算法 - 岭回归
线性回归的改进 - 岭回归。原创 2024-02-22 20:17:41 · 568 阅读 · 0 评论 -
六、回归与聚类算法 - 欠拟合和过拟合
目录1、定义2、原因及解决方法2.1 正则化原创 2024-02-22 20:03:03 · 483 阅读 · 0 评论 -
六、回归与聚类算法 - 线性回归
学习率:步长。原创 2024-02-21 21:52:38 · 680 阅读 · 0 评论 -
五、分类算法 总结
【代码】五、分类算法 总结。原创 2024-02-21 19:28:23 · 647 阅读 · 0 评论 -
四、分类算法 - 随机森林
sklearn转换器和估算器 KNN算法 模型选择和调优 朴素贝叶斯算法 决策树 随机森林1、集成学习方法2、随机森林3、随机森林原理4、API5、总结原创 2024-02-21 19:16:38 · 1337 阅读 · 0 评论 -
四、分类算法 - 决策树
获取数据数据处理缺失值处理特征值 -> 字典类型准备好特征值、目标值划分数据集特征工程:字典特征抽取决策树预估器流程模型评估。原创 2024-02-21 18:12:09 · 1319 阅读 · 0 评论 -
四、分类算法 - 朴素贝叶斯算法
目录1、朴素贝叶斯算法1.1 案例1.2 联合概率、条件概率、相互独立1.3 贝叶斯公式1.4 朴素贝叶斯算法原理1.5 应用场景2、朴素贝叶斯算法对文本进行分类2.1 案例2.2 拉普拉斯平滑系数3、API4、案例:20类新闻分类4.1 步骤分析4.2 代码分析5、总结朴素 + 贝叶斯5、总结原创 2024-02-20 19:15:56 · 672 阅读 · 0 评论 -
四、分类算法 - 模型选择与调优
模型选择和调优。原创 2024-02-20 17:12:11 · 663 阅读 · 0 评论 -
四、分类算法 - KNN算法(K-近邻算法)
获取数据数据集划分特征工程 - 标准化KNN预估器流程模型评估# 用KNN 算法对鸢尾花进行分类# 1、获取数据# 2、划分数据集# 3、特征工程 - 标准化# 4、KNN 算法预估器# 5、模型评估# 方法1 :直接比对真实值和预测值print("直接比对真实值和预测值:\n",y_test == y_predict)# 方法2:计算准确率print("准确率为:\n",score)# 代码1 :用KNN算法对鸢尾花进行分类knn_iris()原创 2024-02-20 17:11:41 · 572 阅读 · 0 评论 -
四、分类算法 - sklearn转换器和估算器
目标值:分类sklearn转换器和估算器。原创 2024-02-20 17:10:10 · 923 阅读 · 0 评论 -
三、机器学习概述总结
【代码】三、机器学习概述总结。原创 2024-02-20 17:09:06 · 178 阅读 · 0 评论 -
二、特征工程 - 特征降维
数据中包含冗余或相关变量(或称特征、属性、指标等),旨在从原有特征中找出主要特征。原创 2024-02-20 17:08:04 · 334 阅读 · 0 评论 -
二、特征工程 - 特征预处理
通过对原始数据进行变换把数据映射到(默认为[0,1])之间注意如果最大值最小值是变化的,另外,最大值与最小值非常容易受异常点影响,所以这种方法鲁棒性(稳定性)较差,只适合传统精确小数据场景。通过对原始数据进行变换到均值为0,标准差为1的范围内在已有样本足够多的情况下比较稳定,适合现代嘈杂大数据前景# 获取数据集print("鸢尾花数据集:\n",iris)print("查看数据集描述:\n",iris["DESCR"])print("查看特征值的名字:\n",iris.feature_names)原创 2024-01-28 19:59:16 · 378 阅读 · 0 评论 -
二、特征工程 - 特征抽取
获取数据集print("鸢尾花数据集:\n",iris)print("查看数据集描述:\n",iris["DESCR"])print("查看特征值的名字:\n",iris.feature_names)print("查看特征值:\n",iris.data,iris.data.shape)# 数据集划分# random_state=22 随机种子,因为随机种子是固定的,所以每次运行程序时都会得到相同的训练集和测试集# 这对于代码的可重复性和调试非常有用。原创 2024-01-28 16:30:17 · 502 阅读 · 0 评论 -
二、特征工程 - 数据集
目录一、数据集1.1 可用数据集1.2 Scikit - learn工具介绍1、安装2、导入3、实例4、包含的内容1.3 sklearn数据集1、sklearn.datasets 2、sklearn小数据集3、sklearn大数据集1.4 数据集的返回值1.5 数据集的划分2、导入3、实例4、包含的内容分类、回归、聚类、降维、模型选择、特征工程加载获取流行数据集1.5 数据集的划分训练数据:用于训练,构建模型测试数据:在模型检验时使用,用于评估模型是原创 2024-01-16 20:37:50 · 360 阅读 · 0 评论 -
一、机器学习概述
达特茅斯会议——人工智能的起点机器学习是人工智能的一个实现途径深度学习是机器学习的一个方法发展数据模型预测从历史数据中获得规律?这些历史数据是怎么样的格式?算法是核心,数据与计算是基础找准定位怎么做?机器学习库与框架 pytorch TensorFlow1)入门2)实战类书籍3)机器学习 - “西瓜书” - 周志华统计学习方法 - 李航深度学习 - “花书”原创 2024-01-16 15:26:56 · 345 阅读 · 0 评论