sinat_41942180的博客

from sklearn.model_selection import train_test_splitfrom sklearn.datasets import make_moonsX, y = make_moons(n_samples=500, noise=0.30, random_state=42)X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)在Jupyter Notebook中运行上边代.

辅助线绘制一条垂直/水平的辅助线，以 vlines 为例plt.vlines(x, ymin, ymax, colors='k', label='') plt.hlines(y, xmin, xmax, colors='k', label='')说明重要参数：x：横坐标ymin，ymax：辅助线纵坐标的最小值、最大值label：标签内容绘制一条横跨当前图表的垂直/水平辅...

python中的正无穷或负无穷，使用float("inf")或float("-inf")来表示。这里有点特殊，写成：float("inf")，float("INF")或者float('Inf')都是可以的。当涉及 > 和 < 比较时，所有数都比无穷小float("-inf")大，所有数都比无穷大float("inf")小。相等比较时，float("+inf")与float("+i...

numpy.random.seed()与numpy.random.RandomState()两者实现的作用是一样的，都是使每次随机生成数一样。numpy.random.rand()用法：numpy.random.rand(d0, d1, ..., dn)解释：生成一个[0,1)之间的均匀分布的随机浮点数或N维浮点数组。numpy.random.randn()用法：n...

scikit-learn提供了简单易用的方法进行缺失值的处理，使用SimpleImputer实例，我们可以指定用什么样的数值（例如中位数）填充某属性中的缺失值。函数原型和参数说明SimpleImputer类的属性和方法...

from sklearn.linear_model import LinearRegressionLinearRegression(fit_intercept=True,normalize=False,copy_X=True,n_jobs=1)参数含义：1.fit_intercept:布尔值，指定是否需要计算线性回归中的截距，即b值。如果为False,那么不计算b值。2.normali...

scikit-learn中有两类决策树，它们均采用优化的CART决策树算法。第一种：回归决策树from sklearn.tree import DecisionTreeRegressorDecisionTreeRegressor(criterion="mse", splitter="best", ...

认识一下cv函数：sklearn.model_selection.cross_val_score( estimator, # 自己选定的模型； X, # array类型数据。训练集（自变量部分）； ...

机器学习模型超参数调节：网格搜索、随机搜索与贝叶斯优化在进行机器学习的过程中，最为核心的一个概念就是参数，而参数又分为模型参数与超参数。模型参数，顾名思义就是我们使用的模型根据训练数据的分布学习到的参数，这一部分不需要我们人为的先验经验。超参数是在开始学习过程之前设置值的参数，而不是通过训练得到的参数数据。通常情况下，需要对超参数进行优化，给模型选择一组最优超参数，以提高学习的性能和效果。通常...