- 博客(7)
- 收藏
- 关注
RSS订阅原创 机器学习之数据分析
1、数据探索：简单来说就是认识数据，看看数据长什么样 2、数据清洗：将“脏”数据清洗干净，转化为我们想要的数据；如果遇到非结构化的数据，需要先将其转换为结构化数据。在数据清洗过程中，需要清洗的主要内容有：缺失值，异常值，噪音值等。 3、数据预处理：主要是：归一化、标准化、滤波、热编码、稀疏化等 4、特征工程：特征转换、特征拆分、特征重要性、特征合并等 5、建立模型：根据需要解决的问题，建立相关的算法模型 6、模型调优：调节算法参数、模型选择、选择评价指标、交叉验证等 ...
2020-05-13 00:15:27
403
原创 机器学习（四）————正则化
正则化：减少过拟合问题 欠拟合：算法没有很好地拟合数据，具有高偏差 过拟合：会在变量过多的时候出现，无法泛化到新样本，具有高方差 以下从左到右：欠拟合，拟合，过拟合 正则化的思想 当复杂的模型容易出现过拟合，我们可以通过控制模型的中的某些参数，让模型向着简单发展，来减轻拟合。 ...
2020-05-12 23:41:00
141
原创 机器学习（三）————逻辑回归
参考博客：https://blog.csdn.net/yinyu19950811/article/details/81321944 逻辑回归的函数 逻辑回归的假设 其第一个假设是：假设数据服从伯努利分布 其第二个假设是：假设模型的输出值是样本为正的概率。 图中g（z）所对应的函数称为Sigmoid函数,而h(x)可以理解为概率，即当h(x)>=0.5时，z>=0，此时y为1分类，当h(x)<0.5时，<0，此时y为0分类 使用sigmoid函数原因详见https://blog.csd
2020-05-10 23:52:19
224
原创 机器学习（二）————线性回归+梯度下降算法
线性回归 代价函数：用于衡量假设函数的准确性 平方差代价函数 θ0和θ1为模型参数 简化：令θ0=0,即h(x)=θ1*x 无简化的代价函数图形 等高图 梯度下降 ...
2020-05-08 22:39:53
461
原创 数据处理三剑客之panda
panda的dataframe类： DataFrame有四个重要的属性： index：行索引。 columns：列索引。 values：值的二维数组。 name：名字。 数据操作： 维度查看 df.shape 获得数据表基本信息（维度，列名，数据类型，占用空间等） df.info() 获取每一列的数据格式 df.dtypes 获得某一列的数据格式 df[“A”].dtypes 读取头几条数据 d...
2020-05-06 22:45:57
173
原创 数据分析三剑客之matplotlib
matplotlib基本要点： 1、绘制折线图(plt.plot) 2、设置图片大小和分辨率(plt.figure) 3、实现图片的保存(plt.saveflg) 4、设置xy轴上的刻度和字符串(xticks,yticks) 5、解决刻度稀疏和密集问题(xticks,yticks) 6、设置标题，xy轴的lable(title,xlable,ylable) 7、设置字体(font manager....
2020-05-05 00:33:13
371
原创 数据处理三剑客之Numpy
ndarray和list列表的区别： python list 列表保存的是对象的指针，比如 [0,1,2] 需要保存 3 个指针和 3 个整数的对象,浪费内存资源和cpu计算时间 Numpy中的ndarray是一种保存单一数据类型的多维数组结构，储存在一个连续的内存块中，节约了计算资源。 numpy： -NumPy(Numerical Python)：Python语言的一个扩展程序库，支持大量的...
2020-05-02 01:59:00
275
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