- 博客(7)
- 收藏
- 关注
RSS订阅原创 机器学习_Logistic回归简单交叉验证
# ================ 关于泰坦尼克号乘客的生还率 ================# 加载包import pandas as pdfrom sklearn.linear_model import LogisticRegression # Logistic 回归模型 包from sklearn.linear_model import LogisticRegressionCV
2018-04-29 20:54:58
5576
原创 SPSS_Logistic回归
一、SPSS操作一般路径 分析 - 广义线性模型：少量数据 - 回归 ——二元逻辑 直销——选择方法二、SPSS查看数据情况1、看列 分析——报告——代码本 1）数字类型 2）分Y、X Y字段测量类型比较重要；X的描述比较重要2、看行 1）小型数据——统计模型 2）大型数据——挖掘模型 注1： 1、
2018-04-26 14:36:24
4075
翻译 机器学习_决策树-ID3(机器学习实战)
ID3算法的缺点：1. 偏向于选择多值属性2. 本身并未给出处理连续数据的方法3. 算法不能处理带有缺失值的数据集
2018-04-25 19:45:49
439
原创 pandas 链式编程
# 链式编程技术# Usual non-functional waydf2 = df.copy()df2['k'] = v# Functional assign waydf2 = df.assign(k=v)# 就地分配可能会比assign快，但是assign可以方便地进行链式编程# 使用外括号，这样便于添加换行符r = (df2.assign(col1_demeaned =
2018-04-23 12:03:31
1605
原创 Jupyter一些设置
1、改路径 jupyter notebook --generate-config 查看默认目录 #c.NotebookApp.notebook_dir = ”’2、 安装Pip 下载Pip (baidu) 在CMD中打开文件目录 然后python setup.py install安装 3、安装主题 用Anaconda Prompt pip i
2018-04-18 15:39:54
2368
翻译 机器学习_KNN(机器学习实战)
1、一般流程1)收集数据：可以使用任何方法 2)准备数据：距离计算所需要的数值，最好是结构化的数据格式 3)分析数据：可以使用任何方法 4)训练算法: 此步骤不适用于k-近邻 5)测试算法：计算错误率 6)使用算法：首先需要输入样本数据和结构化的输出结果，然后运用k-近邻算法 判定输入数据分别属于哪个分类，最后应用对计算出的分类执行后续的处理2、kNN的优缺点优点：精度高、对异常
2018-04-18 14:17:33
430
原创 机器学习_一般降维思路
1、业务角度业务 从业务角度角度梳理因变量（x）,提取几个重要变量2、相关性算法 计算pearson相关系数计算相关矩阵，将十分弱相关的因变量去除# R 3.4#state.x77自带数据包数据 states <- state.x77[,1:6]cor(states,method = 'pearson')# python 3.6import pandas as pd#载入数据d
2018-04-07 19:44:58
309
mnist-riginal(手写识别常用数据)
2018-10-16
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人