sinat_40038284-CSDN博客

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 96

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 1287

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 00:53:36 193

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 22:30:30 322

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 2052

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 16:46:53 504 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 23:13:16 388 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 22:02:27 296

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 23:30:38 509

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 23:51:14 249

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 23:27:38 321

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 23:15:50 109

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 99

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 49

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 93

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 23:38:13 126

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 77

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 78

sinat_40038284的博客