自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(18)
  • 收藏
  • 关注

原创 Untitled

#28名 LGBMRegressorimport pandas as pdimport numpy as npdf = pd.read_csv("happiness_train_complete.csv",encoding="GB2312")df = df.sample(frac=1,replace=False,random_state=11)df.reset_index(inplace=True)df = df[df["happiness"]>0]Y = df["happiness"]

2020-12-26 23:07:06 93

原创 基于pipeline的模型训练和可视化——机器学习训练营

基于pipeline模型训练&可视化什么是Pipeline, 我这里直接翻译成数据管道。任何有序的操作有可以看做pipeline,例如工厂流水线,对于机器学习模型来说,这就是数据流水线。是指数据通过管道中的每一个节点,结果除了之后,继续流向下游。对于我们这个例子,数据是有空值,我们会有一个KNNImputer节点用来填充空值,之后继续流向下一个kNN分类节点,最后输出模型。Parameterssteps : 步骤:列表(list)被连接的(名称,变换)元组(实现拟合/变换)的列表,按照

2020-12-23 23:21:22 1283

原创 KNeighborsClassifier——天池训练营

sklearn.neighbors.KNeighborsClassifier代码地址https://blog.csdn.net/sinat_40038284/article/details/111501418sklearn.neighbors. KNeighborsClassifier ( n_neighbors=5, weights=’uniform’, algorithm=’auto’, leaf_size=30, p=2,

2020-12-23 00:53:36 187

原创 knn——天池机器学习训练营

机器学习算法(三):K近邻(k-nearest neighbors)初探1 KNN的介绍和应用1.1 KNN的介绍kNN(k-nearest neighbors),中文翻译K近邻。我们常常听到一个故事:如果要了解一个人的经济水平,只需要知道他最好的5个朋友的经济能力,对他的这五个人的经济水平求平均就是这个人的经济水平。这句话里面就包含着kNN的算法思想。示例 :如上图,绿色圆要被决定赋予哪个类,是红色三角形还是蓝色四方形?如果K=3,由于红色三角形所占比例为2/3,绿色圆将被赋予红色三角形那个类

2020-12-21 22:30:30 315

原创 sklearn.naive_bayes.CategoricalNB——机器学习训练营

CategoricalNB代码地址https://blog.csdn.net/sinat_40038284/article/details/111398173CategoricalNB对分类分布的数据实施分类朴素贝叶斯算法。 它假定由索引描述的每个特征都有其自己的分类分布。对于训练集中的每个特征 X,CategoricalNB估计以类y为条件的X的每个特征i的分类分布。 样本的索引集定义为J=1,…,m,m作为样本数。参数alphafloat, default=1.0Additive (Lap

2020-12-20 22:26:18 2045

原创 朴素贝叶斯GaussianNB——天池机器学习训练营

目录示例地址sklearn.naive_bayes.GaussianNB¶参数示例地址https://blog.csdn.net/sinat_40038284/article/details/111398173sklearn.naive_bayes.GaussianNB¶朴素贝叶斯是一类比较简单的算法,scikit-learn中朴素贝叶斯类库的使用也比较简单。相对于决策树,KNN之类的算法,朴素贝叶斯需要关注的参数是比较少的,这样也比较容易掌握。在scikit-learn中,一共有3个朴素贝叶斯的分

2020-12-19 16:46:53 498 1

原创 NaiveBayes

机器学习算法(二): 朴素贝叶斯(Naive Bayes)1. 实验室介绍1.1 实验环境1. python3.72. numpy >= '1.16.4'3. sklearn >= '0.23.1'1.2 朴素贝叶斯的介绍朴素贝叶斯算法(Naive Bayes, NB) 是应用最为广泛的分类算法之一。它是基于贝叶斯定义和特征条件独立假设的分类器方法。由于朴素贝叶斯法基于贝叶斯公式计算得到,有着坚实的数学基础,以及稳定的分类效率。NB模型所需估计的参数很少,对缺失数据不太敏感,算法

2020-12-18 23:13:16 386 1

原创 Sklearn 中的 LogisticRegression——天池机器学习训练营

代码地址https://blog.csdn.net/sinat_40038284/article/details/111188024LogisticRegression(C=1.0, class_weight=None, dual=False, fit_intercept=True, intercept_scaling=1, max_iter=100, multi_class='ovr', n_jobs=1, penalty='l2', random_state=

2020-12-17 22:02:27 292

原创 Seaborn-Pairplot多变量图——天池机器学习训练营

天池机器学习训练营task 1代码地址代码地址https://blog.csdn.net/sinat_40038284/article/details/111188024## 我们利用 sklearn 中自带的 iris 数据作为数据载入,并利用Pandas转化为DataFrame格式from sklearn.datasets import load_irisdata = load_iris() #得到数据特征iris_target = data.target #得到数据对应的标签iris_f

2020-12-16 23:30:38 502

原创 机器学习笔记————天池训练营

机器学习算法(一): 基于逻辑回归的分类预测1 逻辑回归的介绍和应用1.1 逻辑回归的介绍逻辑回归(Logistic regression,简称LR)虽然其中带有"回归"两个字,但逻辑回归其实是一个分类模型,并且广泛应用于各个领域之中。虽然现在深度学习相对于这些传统方法更为火热,但实则这些传统方法由于其独特的优势依然广泛应用于各个领域中。而对于逻辑回归而且,最为突出的两点就是其模型简单和模型的可解释性强。逻辑回归模型的优劣势:优点:实现简单,易于理解和实现;计算代价不高,速度很快,存储资源低;

2020-12-14 23:51:14 246

原创 数据分析训练

口袋妖怪数据集探索数据集下载!wget -O pokemon_data.csv https://pai-public-data.oss-cn-beijing.aliyuncs.com/pokemon/pokemon.csv--2020-09-15 23:21:34-- https://pai-public-data.oss-cn-beijing.aliyuncs.com/pokemon/pokemon.csvResolving pai-public-data.oss-cn-beijing.ali

2020-09-15 23:27:38 317

原创 Python的魔法方法——Python训练营

魔法方法魔法方法总是被双下划线包围,例如__init__。魔法方法是面向对象的 Python 的一切,如果你不知道魔法方法,说明你还没能意识到面向对象的 Python 的强大。魔法方法的“魔力”体现在它们总能够在适当的时候被自动调用。魔法方法的第一个参数应为cls(类方法) 或者self(实例方法)。cls:代表一个类的名称self:代表一个实例对象的名称基本的魔法方法__init__(self[, ...]) 构造器,当一个实例被创建的时候调用的初始化方法【例子】class R

2020-09-14 23:15:50 107

原创 Python中的类,关于self——Python训练营

self 是什么?Python 的 self 相当于 C++ 的 this 指针。【例子】class Test: def prt(self): print(self) print(self.__class__)t = Test()t.prt()# <__main__.Test object at 0x000000BC5A351208># <class '__main__.Test'><main.Test objec.

2020-09-13 23:45:56 98

原创 Python中的函数——Python训练营

可变参数顾名思义,可变参数就是传入的参数个数是可变的,可以是 0, 1, 2 到任意个,是不定长的参数。def functionname(arg1, arg2=v, *args):       “函数_文档字符串”       function_suite       return [expression]*args - 可变参数,可以是从零个到任意个,自动组装成元组。

2020-09-11 23:04:25 44

原创 字典的内置方法————Python训练营

字典的内置方法dict.fromkeys(seq[, value]) 用于创建一个新字典,以序列 seq 中元素做字典的键,value 为字典所有键对应的初始值。【例子】seq = ('name', 'age', 'sex')dic1 = dict.fromkeys(seq)print(dic1)# {'name': None, 'age': None, 'sex': None}dic2 = dict.fromkeys(seq, 10)print(dic2)# {'name': 10

2020-09-10 22:45:40 90

原创 字符串的常用内置方法——python训练营第4天

字符串的常用内置方法capitalize() 将字符串的第一个字符转换为大写。【例子】str2 = 'xiaoxie'print(str2.capitalize()) # XiaoxieXiaoxielower() 转换字符串中所有大写字符为小写。upper() 转换字符串中的小写字母为大写。swapcase() 将字符串中大写转换为小写,小写转换为大写。【例子】str2 = "DAXIExiaoxie"print(str2.lower()) # daxiexiaoxie

2020-09-09 23:38:13 122

原创 列表操作——python训练营Day2

列表添加和删减列表不像元组,列表内容可更改 (mutable),因此附加 (append, extend)、插入 (insert)、删除 (remove, pop) 这些操作都可以用在它身上。向列表中添加元素list.append(obj) 在列表末尾添加新的对象,只接受一个参数,参数可以是任何数据类型,被追加的元素在 list 中保持着原结构类型。【例子】x = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday']x.append

2020-09-07 23:49:27 76

原创 Python中的enumerate()函数--------Python训练营打卡

enumerate()函数enumerate(sequence, [start=0])sequence:一个序列、迭代器或其他支持迭代对象。start:下标起始位置。返回 enumerate(枚举) 对象【例子】seasons = ['Spring', 'Summer', 'Fall', 'Winter']lst = list(enumerate(seasons))print(lst)# [(0, 'Spring'), (1, 'Summer'), (2, 'Fall'), (3,

2020-09-06 01:02:29 74

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除