动手学习机器学习(代码工具)
文章平均质量分 91
这个是一些基本的机器学习中常用的功能代码和思路,做一些基本的总结,便于以后拿来直接或间接使用
敲代码的乔帮主
走在梦想的大道上,跌跌撞撞,时而悲伤,时而难过失落,是什么又让我扬起头继续向前呢?是心中的那一朵彼岸之花,牵使着你我之间的约定,成为我心中那一股永不可灭的骨气,终究是信仰。
展开
-
箱型图方法(IQR)识别数据异常值
当我们处理数据时,尤其是涉及到金融数据如商品的历史成交价格时,消除异常值是非常关键的。这些异常值可能是由于误差、欺诈或其他非典型事件引起的。识别并处理这些奇异价格点能够提高数据分析的准确性。在本文中,我们将探讨箱型图方法(IQR,Interquartile Range)识别异常值的原理,并通过一段Python代码说明其应用。原创 2024-04-17 19:31:08 · 2452 阅读 · 0 评论 -
SKlearn中的函数学习总结(持续更新)
关于SKlearn中的函数学习及关键代码部分,会持续更新(参考sklearn官方文档)一:分类、回归二:降维三:模型评估与选择四:数据预处理五:模型保存大类 小类 适用问题 实现文档 说明 重要代码 一、分类、回归 1.1广义线性模型 1.1.1 普通最小二乘法 回归 sklearn....原创 2019-11-06 17:37:05 · 2646 阅读 · 0 评论 -
线性回归-打印出拟合曲线的参数并绘制拟合曲线
1.将线性回归得到的两个参数打印出来,并且在图像中画出该拟合曲线。import matplotlib.pyplot as pltimport numpy as npimport pandas as pddata=pd.read_csv( "finalData.csv", thousands=',')data.plot(kind='scatter', x="GDP per ca...原创 2019-10-27 20:59:11 · 2639 阅读 · 2 评论 -
线性回归-我们自己假设一下目标函数,并在图像中做拟合分析
1.数据及散点图2. 我们假设三个函数并且在图中画出来import matplotlib.pyplot as pltimport numpy as npimport pandas as pddata=pd.read_csv( "finalData.csv", thousands=',')data.plot(kind='scatter', x="GDP per capi...原创 2019-10-27 20:49:49 · 602 阅读 · 0 评论 -
使用线性回归和K近邻做回归预测
数据:根据人均GDP和幸福指数的关系,预测分析代码:import matplotlib.pyplot as pltimport numpy as npimport pandas as pdimport sklearn.linear_modelcountry_stats=pd.read_csv( "finalData.csv", thousands=',') # <c...原创 2019-10-27 20:34:48 · 1125 阅读 · 0 评论 -
使用的基本设定(保存图像到本地函数)
在python 2和3中都可以正常工作,导入一些通用模块,确保MatplotLib内联绘制图形并准备一个函数来保存图形:# 为了支持python2和python3from __future__ import division, print_function, unicode_literals# 导入需要的包import numpy as npimport os# seed可以使...原创 2019-10-27 19:22:31 · 446 阅读 · 0 评论