Python机器学习笔记二

1.Sklearn中Adaboost类库概述

参考链接：http://www.cnblogs.com/pinard/p/6136914.html

2.随机数据生成

（1）numpy随机数据生成

       1.rand(d0, d1, ..., dn) 生成d0xd1x...dn维的数组。数组的值在[0,1]之间 1

       2.randn((d0, d1, ..., dn), 生成d0xd1x...dn维的数组。不过数组的值服从N(0,1)的标准正态分布

         如果需要服从N(μ,σ2)的正态分布，只需要在randn上每个生成的值x上做变换σx+μ即可

       3.randint(low[, high, size])，生成随机大小为size的数据，size可以为整数、矩阵维数，张量维数。

         值位于半开区间 [low, high)。

        例如：np.random.randint(3, size=[2,3,4])返回维数维2x3x4的数据。取值范围为最大值为3的整数

       4.random_integers(low[, high, size]),与randint类似，区别在与取值范围是闭区间[low, high]

　　 5.random_sample([size]), 返回随机的浮点数，在半开区间 [0.0, 1.0)。

          如果是其他区间[a,b),可以加以转换(b - a) * random_sample([size]) + a

　　　　例如： (5-2)*np.random.random_sample(3)+2 返回[2,5)之间的3个随机数。

（2）. scikit-learn随机数据生成API介绍

            和numpy比起来，可以用来生成适合特定机器学习模型的数据。常用的API有：

　　　　1) 用make_regression 生成回归模型的数据

               

　　　　2) 用make_hastie_10_2，make_classification或make_multilabel_classification生成分类模型                   数据

             

　　　　3) 用make_blobs生成聚类模型数据

             

　　　　4) 用make_gaussian_quantiles生成分组多维正态分布的数据

              

参考链接：http://www.cnblogs.com/pinard/p/6047802.html

3.gridsearchcv(网格搜索)

网格搜索算法是一种通过遍历给定的参数组合来优化模型表现的方法。

参考链接：https://www.deeplearn.me/1699.html