机器学习
文章平均质量分 87
the_north
这个作者很懒,什么都没留下…
展开
-
机器学习(三):数据与图像的K-means聚类
机器学习(三):数据聚类I任务如下:一、需要了解或掌握的内容。①make_circles、与make_moons介绍见本系列第一篇机器学习(一):低纬数据可视化,make_blobs用法与前两者大同小异,这里就不多做介绍,感兴趣的可以自行了解。②K-Means核心原理:K-means聚类算法首先是随机选取K个对象作为初始的聚类中心,然后计算每个样本与各个聚类中心之间的距离,把每个样本分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一次样本,聚类的聚类中心会根据原创 2021-09-14 21:38:49 · 1523 阅读 · 2 评论 -
机器学习(二):数据分类I
机器学习(二):数据分类I任务如下1.Sklearn中的make_circles方法生成训练样本,并随机生成测试样本,用KNN分类并可视化。(1) make_circles与make_moons方法(可参考机器学习(一):低纬数据可视化)(2) KNN算法def KNeighborsClassifier(n_neighbors = 5,weights=‘uniform’,algorithm = ‘’,leaf_size = ‘30’,p = 2,metric = ‘minkowski’,m原创 2021-09-08 11:35:30 · 1341 阅读 · 1 评论 -
机器学习(一):低纬数据可视化
机器学习(一):低纬数据可视化任务要求1.安装软件python和工具包sklearn①安装python,可以直接从官网https://www.python.org/进行下载②sklearn包可以通过pip install sklearn命令进行安装(若安装失败,可能是pip未升级,可通过’python -m pip install --upgrade pip’ 进行升级)2.生成数据 make_circles和make_moons,并显示X=400x2,Y = {0, 1}400① mak原创 2021-08-31 21:40:35 · 664 阅读 · 0 评论