![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
十分钟机器学习与python实践
文章平均质量分 70
TQ_Pro
机器学习杂谈随笔
展开
-
十分钟机器学习与python实践
第一章 监督学习 第三节 朴素贝叶斯分类器 以鸢尾花数据集为例,本节探讨朴素贝叶斯分类算法(NB)。 首先载入数据: import numpy as np import matplotlib.pyplot as plt import pandas as pd from sklearn.datasets import load_iris iris_dataset = load_iris() #内置函数载入iris数据集 print("Keys of iris_dataset: \n{}".form原创 2021-05-25 20:25:08 · 115 阅读 · 0 评论 -
十分钟机器学习与python实践
第一章 监督学习 第二节 鸢尾花数据集的多种分类模型对比 分类模型的构建设计两部分,一是通过训练集数据拟合模型参数,二是通过测试集数据评估模型性能。除此之外,大部分模型会涉及超参数的调整,以期获得最佳的模型性能。 以鸢尾花数据集为例,本节我们主要探讨监督学习中,针对分类问题的不同模型方法。 首先载入数据: import numpy as np import matplotlib.pyplot as plt import pandas as pd from sklearn.datasets i.原创 2021-05-20 14:14:13 · 132 阅读 · 0 评论 -
十分钟机器学习与python实践
** ## 十分钟python机器学习与sklearn实践 **第一章 监督学习 第一节 鸢尾花数据集的基本分析与可视化 首先我们以sklearn自带的鸢尾花数据集为对象, 载入数据: from sklearn.datasets import load_iris iris_dataset = load_iris() ###使用内置函数载入鸢尾花数据集 fs = iris_dataset['data'] ###取出特征矩阵 lb = iris_dataset['target'] ###取出标签原创 2021-05-18 20:31:00 · 192 阅读 · 0 评论