Python\机器学习\深度学习
文章平均质量分 91
本专栏包含大量Python、Machine Learning、Deep Learning原理及实践,带你从小白走向老黑。
代码骑士
学习、记录、进步、分享。(断剑重铸之日,骑士归来之时!)
展开
-
【机器学习入门】机器学习基础概念与原理
机器学习是人工智能和计算机科学的一个分支,它专注于使用数据和算法模仿人类学习的方式,逐步提高自身的准确性。更具体地说,机器学习是赋予计算机学习能力的研究领域,它不需要明确的编程,就能让计算机学习。监督学习非监督学习强化学习,而监督学习和非监督学习中又衍生出半监督学习。在实际应用中,机器学习广泛应用于计算机视觉、自然语言处理、推荐系统等领域,主要关注点在于自动化和预测。原创 2024-01-16 20:53:48 · 1289 阅读 · 0 评论 -
【深度学习入门】深度学习基础概念与原理
深度学习是机器学习中的一种基于人工神经网络的机器学习方法,其关键在于通过多层神经网络对输入数据进行逐深度学习是机器学习中的一种基于人工神经网络的机器学习方法,其关键在于通过多层神经网络对输入数据进行逐层抽象和表示学习,从而实现对复杂数据结构和非线性关系的建模。深度学习模型通常包含多个隐藏层,每个隐藏层都有许多神经元。这些神经元通过权重连接,模拟了生物神经元之间的信号传递过程。深度学习的目标是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字、图像和声音等数据的解释有很大的帮助。原创 2024-01-17 08:32:19 · 1978 阅读 · 0 评论 -
【机器学习入门】18种常见的机器学习算法数学公式及解析
机器学习算法基础原理:机器学习算法模型应用:(3)【Python数据分析进阶】Machine-Learning模型与算法应用-线性回归与逻辑回归-CSDN博客sklearn,全称scikit-learn,是一个基于Python的开源机器学习工具包。它提供了各种分类、回归和聚类算法,包括但不限于支持向量机、随机森林、梯度提升、k均值和DBSCAN等。此外,它还包含了许多常用的机器学习算法、预处理技术、模型选择和评估工具等,可以方便地进行数据挖掘。原创 2024-01-28 21:15:43 · 2723 阅读 · 0 评论 -
(1)【零基础入门Python数据分析】Anaconda3 JupyterNotebook&seaborn版
Anaconda是一个开源的Python发行版本,其特点在于专注于数据分析,包含了conda、Python以及180多个科学包及其依赖项。它主要用于处理科学计算相关的任务,如数据分析和机器学习开发等。Anaconda的一大优势是其强大的包管理功能。利用conda,开发者可以方便地安装、切换和管理第三方包及其环境。此外,Anaconda还提供了创建、删除虚拟环境的功能,使得不同项目的运行环境得以隔离,避免了不同库之间的冲突。原创 2024-01-14 14:54:02 · 1337 阅读 · 0 评论 -
(2)【Python数据分析应用案例】基于泰坦尼克船员数据的完整数据分析全过程
编程开始前,我们获取到在我的gitee仓库中下载此文件:这个就是我们本次使用的案例数据now,废话不多说,让我们开始本次数据分析之旅!原创 2024-01-18 20:06:25 · 1548 阅读 · 1 评论 -
(3)【Python数据分析进阶】Machine-Learning模型与算法应用-线性回归与逻辑回归
sklearn,全称scikit-learn,是一个基于Python的开源机器学习工具包。它提供了各种分类、回归和聚类算法,包括但不限于支持向量机、随机森林、梯度提升、k均值和DBSCAN等。此外,它还包含了许多常用的机器学习算法、预处理技术、模型选择和评估工具等,可以方便地进行数据挖掘。这个库通过集成NumPy, SciPy和Matplotlib等Python数值计算的库实现了高效的算法应用。可以说,sklearn是机器学习中一个非常常用且功能强大的Python第三方模块。原创 2024-01-20 19:46:33 · 5069 阅读 · 0 评论 -
(4)【Python数据分析进阶】Machine-Learning模型与算法应用-回归、分类模型汇总
欧氏距离(Euclidean Distance):欧氏距离是最容易直观理解的距离度量方法,我们小学、初中和高中接触到的两个点在空间中的距离一般都是指欧氏距离。曼哈顿距离(Manhattan Distance):曼哈顿距离是指在m维空间中两个点之间的绝对轴距总和,也就是两个点在各个坐标轴上差的绝对值之和。切比雪夫距离(Chebyshev Distance):切比雪夫距离是指两个点在m维空间中所在坐标轴上差的最大值。原创 2024-02-04 19:13:26 · 1522 阅读 · 0 评论 -
(5)【Python/机器学习/深度学习】Machine-Learning模型与算法应用—12种聚类算法说明与归纳
与传统的基于密度的聚类算法DBSCAN相比,OPTICS算法的优势在于可以获得不同密度的聚类。:顾名思义,这些模型基于数据点在数据空间中越接近的数据点彼此之间的相似性比远离的数据点更高的观点。:这些是迭代聚类算法,其中相似性的概念是通过数据点与簇的质心的距离来推导出来的。具体来说,KMeans算法首先随机选择k个样本作为初始聚类中心点,然后通过计算每个数据点到各个聚类中心点的距离,将数据点分配到距离最近的聚类中心点所在的簇中。这些是迭代聚类算法,其中相似性的概念是通过数据点与簇的质心的距离来推导的。原创 2024-02-04 19:18:43 · 1399 阅读 · 0 评论 -
(6)【Python/机器学习/深度学习】Machine-Learning模型与算法应用—使用Adaboost建模及工作环境下的数据分析整理
英文全称"",意为,是一种基于Boosting集成学习的算法。Boosting是一种试图从多个弱分类器中创建一个强分类器的集合技术。Adaboost的核心思想是通过从训练数据构建模型,然后创建第二个模型来尝试修正第一个模型的错误。Adaboost算法最初由Yoav Freund和Robert Schapire在1995年提出。该算法的主要目标是通过反复学习不断改变训练样本的权重和弱分类器的权值,最终筛选出权值系数最小的弱分类器组合成一个最终强分类器。原创 2024-02-04 19:31:18 · 1391 阅读 · 0 评论 -
(7)【Python/机器学习/深度学习】Deep-Learning模型与算法应用—深度学习基础&搭建最小神经网络
14print(a @ b)#dot的另一种写法14bias = 1输入被送入感知器每个输入乘以权重求和然后加上偏置应用激活函数。注意,这里我们使用阶跃函数,但也有其他更复杂的激活函数,如sigmoid、双曲正切(tanh)、整流器(relu)等。不用担心,我们将在未来涵盖许多这些函数!输出要么触发为1,要么不触发为0。注意我们使用y hat来标记我们的感知器模型产生的输出这是一个使用Keras库构建的简单神经网络模型。原创 2024-02-04 19:48:49 · 974 阅读 · 0 评论 -
(8)【Python/机器学习/深度学习】Deep-Learning模型与算法应用—常见的神经网络ANNMLP, CNN, RNN区别及应用&Keras、TensorFlow框架应用
是一个功能强大且易于使用的免费开源Python库,用于开发和评估深度学习模型。(1)定义Keras模型(2)加载数据(3)编译Keras模型(4)拟合Keras模型(5)评估Keras模型(6)进行预测3、ANN多层感知机MLP应用通过一个或多个密集层(Dense layer)创建多层感知器(MLP)。这种模型适用于表格数据,即在表格或电子表格中的数据,每个变量对应一列,每行对应一个变量。您可能希望使用MLP探索的三个预测建模问题包括:二元分类、多类分类和回归。原创 2024-02-04 19:57:51 · 1600 阅读 · 0 评论 -
【Pyhton应用】python爬虫数据分析案例详解
【代码】python数据分析案例详解。原创 2023-02-19 20:37:12 · 177 阅读 · 0 评论 -
【Python应用】超详细零基础数据分析爬虫教程
一、准备工作:1、网页分析:进入目标网页,按下键盘F12,必须要认识图中画圈的部分。箭头:这个小箭头非常实用,点击后,在正常网页中点击哪个部分,代码区高光就会找到相应的代码。Element:包含网页源码,很多数据都从这里获得。NetWork:网络工作记录,按下图顺序点击,会得到很多响应信息。比如:请求头(Header)信息、Cookie、User-Agent等等,作用下面说。2、环境配置:需要提前下载好,这部分下载去网上搜就行,这里不做过多描述。..原创 2022-04-20 18:12:38 · 5409 阅读 · 2 评论 -
【Python应用】爬虫教程:利用python-Flask框架搭建本地数据可视化网站
成果展示:(1)网站首页:(2)电影表单页(3) 电影评分页(4) 词频统计页(5)团队页面接下来让我们看看上述网站是如何完成的:首先简单介绍一下Flask框架:Flask主要功能有两个:(1)Werkzeug——路由转换(2)jinja2——框架渲染1、环境搭建:下载python-Flask扩展包pip install flask将Flask模块导入程序中:from flask import Flask..原创 2022-04-28 17:52:48 · 13041 阅读 · 9 评论 -
【机器学习应用】基于百度飞桨AI Studio的PaddleHub图像分类
结果错误的三大原因:1、数据样本太少了2、模型调参不到位3、预训练模型的选择可能不是太适合。原创 2023-02-22 18:09:22 · 2626 阅读 · 0 评论 -
【机器学习应用】入门实验:基于vgg网络和Keras框架实现“以图搜图”
基于vgg网络和Keras深度学习框架的以图搜图功能实现。原创 2022-05-13 14:56:44 · 3032 阅读 · 1 评论 -
【深度学习应用】基于Bert模型的中文语义相似度匹配算法[离线模式]
【代码】基于Bert模型的中文语义相似度匹配算法(离线模式)原创 2023-10-16 07:58:56 · 4474 阅读 · 7 评论 -
【深度学习应用】入门实验:PR-曲线、线性回归、卷积神经网络、GAN生成式对抗神经网络
本人是深度学习初学者,为了加强对深度学习的认识和应用,从网上搜集了几个实验和代码,个人感觉对小白很有帮助,现与大家分享。代码原文链接均已在博客中标注。学习资料:环境配置就是你在一个什么样的环境下敲代码做实验,我总结了两种环境,下面一一介绍给大家。 在本机上配置深度学习实验环境有两种方法: 用法:命令行(cmd)+交互式笔记本(Jupyter) 特点:简单方便个人比较推荐。 a、安装Anaconda原创 2022-11-16 14:09:37 · 3971 阅读 · 0 评论