机器学习与深度学习
文章平均质量分 63
机器学习实战
疋瓞
代码编辑器
展开
-
机器学习——seaborn实用画图方法简介
前言:下面的总结只是介绍seaborn有哪些方法和属性,至于具体使用,通过下面给出的名称稍作查找即可。重点应该关注本文介绍的seaborn的使用方法从结果可以看出,周日来的抽烟人比较多,周五来的抽烟的人相对较少。小提琴图【小提琴图的最外围的形状展示了该位置的密度,数据在哪里分布密度高,哪里分布密度低。with sns.axes_style('whitegrid'): # 将第三个维度整合分为一边一半同样的从结果可以看出,周日来的抽烟人比较多,周五来的抽烟的人相对较少。原创 2023-09-25 20:55:14 · 692 阅读 · 0 评论 -
机器学习——特征工程和评价指标
首先学习特征工程这部分知识之前,要对机器学习的算法用过使用。原创 2023-09-20 21:42:44 · 501 阅读 · 0 评论 -
机器学习——pca降维/交叉验证/网格交叉验证
【代码】机器学习——pca降维/交叉验证/网格交叉验证。原创 2023-09-20 14:16:31 · 483 阅读 · 0 评论 -
机器学习——聚类算法
机器学习聚类算法主要就是两类:K-means和DBSCAN聚类:一种无监督的学习,事先不知道类别(相当于不用给数据提前进行标注),自动将相似的对象归到同一个簇中。原创 2023-09-19 16:48:46 · 520 阅读 · 2 评论 -
机器学习——SVM(支持向量机)
SVM应用:主要针对小样本数据进行学习、分类和回归(预测),能解决神经网络不能解决的过学习问题,有很好的泛化能力。(注意:SVM算法的数学原理涉及知识点比较多,所以应用比理解更重要)原理:由二分类问题引出,如下图,问题是找到一条最宽的路劲划分两种分类,且路径1/2处的直线就是最优的直线。原创 2023-09-18 15:53:50 · 403 阅读 · 0 评论 -
机器学习——决策树/随机森林
决策树可以做分类也可以做回归,决策树容易过拟合决策树算法的基本原理是依据信息学熵的概念设计的(Logistic回归和贝叶斯是基于概率论),熵最早起源于物理学,在信息学当中表示不确定性的度量,熵值越大表示不确定性越大。原创 2023-09-17 14:06:17 · 1393 阅读 · 1 评论 -
机器学习——贝叶斯(三种分布)/鸢尾花分类分界图/文本分类应用
机器学习中的贝叶斯的理论基础是数学当中的贝叶斯公式。这篇博客强调使用方法,至于理论未作深究。机器学习中三种类型的贝叶斯公式:高斯分布(多分类)、多项式分布(文本分类)、伯努利分布(二分类任务)贝叶斯算法优点:对小规模数据表现好,能处理多分类任务,常用于文本分类。缺点:只能用于分类问题。原创 2023-09-14 21:06:49 · 1269 阅读 · 0 评论 -
机器学习——生成分类数据的坐标系边界需要用到的技术方法
如果遇到一种应用场景需要将x轴数据和y轴数据所有点映射到坐标系中,需要得到坐标系中x和y映射的坐标点,就要用到meshgrid把x和y映射到坐标系中,然后把得到的结果用ravel把结果转成一维的。用np.c_()把x数据和y数据堆叠在一起,就可以用来输入模型做训练。原创 2023-09-10 15:12:43 · 682 阅读 · 0 评论 -
机器学习——Logistic Regression
Logistic回归是解决分类问题的一种重要的机器学习算法模型在使用Logistic模型时,要根据数据集大小调整模型优化算法。通过实验发现,Logistic回归算法训练时间比KNN要长,但是预测时间要比KNN短。原创 2023-09-09 13:48:28 · 285 阅读 · 0 评论 -
机器学习——图片处理应用(人脸补全)
意义1:通过该项目掌握图片数据在机器学习当中的处理方法意义2:通过该项目可以掌握多个机器学习算法模型对比实验的应用方法概念1。原创 2023-09-07 20:34:01 · 491 阅读 · 0 评论 -
机器学习——线性回归/岭回归/Lasso回归
线性回归会用到python第三方库:sklearn.linear_model中的LinearRegression导入第三方库的方法:from sklearn.linear_model import LinearRegression使用LinearRegression(二维数据,一维数据)进行预测,其中数据类型可以是pandas中的DataFrame或者series,也可以是numpy中的array数据,但维度一定要正确输入。原创 2023-09-03 10:42:30 · 1332 阅读 · 0 评论 -
机器学习——手写数字识别
这篇文章能够帮助你从数据到模型的整个过程实现不过至于安装第三方库等基础问题,本文不涉及,因为确实不难,搜一搜一大把本此实验运行环境为jupyter,当然通过pycharm也是可行的。原创 2023-08-30 10:56:43 · 2236 阅读 · 0 评论 -
机器学习——KNN回归
【代码】机器学习——KNN回归。原创 2023-08-28 14:59:01 · 839 阅读 · 0 评论 -
机器学习——KNN算法/机器学习模型的保存和加载
K近邻算法思想:有N个样本分布在m个类别中,要判定第x个样本为什么类别,就要求出x到N个样本每个样本的距离集合,从中找出K个最近的样本,然后通过k个样本的比例判断x所属类别,例如在k个样本中第一类占比较多,就判定x是第一类数据。KNN算法是机器学习算法中用于分类或者回归的算法,KNN全称为K nearest neighbour(又称为K-近邻算法)原理:K-近邻算法采用测量不同特征值之间的距离的方法进行分类。可以看出,曼哈顿距离计算复杂度较低,计算速度快。缺点:时间和空间复杂度高。原创 2023-08-27 20:22:43 · 2203 阅读 · 0 评论 -
深度学习入门知识总结
定义:感知机接收多个输入信号,输出一个信号,这里的信号理解为电流或者河流具备流动性的东西。感知机信号只有1/0两种取值(流/不流)用感知机可以实现“与门、与非门、或门”,但是无法直接实现“异或门”感知机的局限性就在于它只能表示由一条直线分割的空间可以通过“与门、与非门、或门”叠加实现异或门,以下是2层感知机实现“异或”门多层感知机的作用巨大:理论上用两层感知机就可以实现计算机的功能,感知机通过叠加层能够实现非线性表示。多层感知机就可以看作是神经网路了。原创 2023-07-09 20:31:05 · 295 阅读 · 0 评论 -
机器学习实战项目总结
ml笔记原创 2022-12-27 22:53:26 · 509 阅读 · 0 评论 -
机器学习之过拟合和欠拟合以及适合的模型
ml笔记原创 2022-12-24 13:20:31 · 159 阅读 · 0 评论 -
机器学习分类算法之逻辑回归
ml笔记原创 2022-12-12 11:42:08 · 339 阅读 · 0 评论 -
机器学习之多元线性回归
ml笔记原创 2022-12-09 17:24:47 · 940 阅读 · 0 评论 -
机器学习之单变量线性回归
笔记原创 2022-12-07 20:43:41 · 1379 阅读 · 0 评论 -
监督学习和无监督学习概念
ml笔记原创 2022-12-06 20:21:29 · 425 阅读 · 0 评论 -
机器学习之选择模型
m笔记原创 2022-12-05 18:52:25 · 548 阅读 · 0 评论 -
机器学习之数据特征选定
ml笔记原创 2022-12-05 13:46:09 · 386 阅读 · 0 评论 -
机器学习之数据准备
ml笔记原创 2022-12-04 15:04:51 · 405 阅读 · 0 评论 -
机器学习之数据可视化
ml笔记原创 2022-12-03 14:39:56 · 314 阅读 · 0 评论 -
机器学习之理解数据
ml笔记原创 2022-12-02 21:52:46 · 136 阅读 · 0 评论 -
数据导入的三种方法
ml笔记原创 2022-12-02 10:55:35 · 1612 阅读 · 3 评论 -
python和SciPy速成
ml笔记原创 2022-12-01 16:59:09 · 462 阅读 · 0 评论 -
Iris_project【鸢尾花项目代码实现】
ml笔记原创 2022-11-30 16:31:52 · 319 阅读 · 0 评论 -
机器学习环境配置踩坑总结
ml笔记原创 2022-11-30 09:05:17 · 762 阅读 · 0 评论