- 博客(5)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 sklearn 保存模型的几种方法
#coding=utf-8'''Created on 2018-3-28'''from sklearn import svmfrom sklearn import datasetsimport picklefrom sklearn.externals import joblibclf = svm.SVC()iris = datasets.load_iris()X, y = iris.
2018-03-28 17:31:01
20347
原创 python使用B2M算法对二进制文件转灰度图
以系统文件notepad.exe为例:'''Created on 2018-3-26'''import numpy as npimport cv2f = open('D:\\xxx\\notepad.exe', mode='rb')image = np.fromfile(f, dtype=np.ubyte)filesize = image.shape[0]# print...
2018-03-26 19:41:07
3732
原创 在ubuntu上安装机器学习模块
里面包含了所有需要的包:#define 这里只是定义了按回车，然后执行下一步的方法get_char(){SAVEDSTTY=`stty -g`stty -echostty cbreakdd if=/dev/tty bs=1 count=1 2>/dev/nullstty -rawstty echostty $SAVEDSTTY}echo "[$(date)] - install
2018-03-19 14:06:49
700
原创 机器学习-PCA降维
PCA(Principal Component Analysis 主成分分析) PCA主要用于非线性数据的降维，需要用到核技巧。因此在使用的时候需要选择合适的核函数并对核函数的参数进行调参.IncrementalPCA,它主要是为了解决单机内存限制的,有时候我们的样本量可能是上百万+， 维度可能也是上千，直接去拟合数据可能会让内存爆掉,此时我们可以用IncrementalPCA类来解决这个问题。
2018-03-03 15:57:12
704
原创 机器学习-自动筛选特征
选择属性（weka的书中把特征翻译成属性，那么这里的属性其实也就是指特征了） 选择属性的目的: 就是通过搜索数据中所有可能的属性组合，以找到预测效果最好的属性子集。 也就是说假设属性目前有6个，准确率为80%，假设只取5个属性(这就是子集)，反而准确率却变为90%选择属性和PCA降维有啥不同？ 选择属性和PCA的目的都是一样，都是为了降低特征的数量，减少计算量 但是PCA是将原始特征进行一
2018-03-02 14:26:10
5422
1
空空如也
C语言在人为强行关闭时，返回的signal是什么？
2017-02-27
TA创建的收藏夹 TA关注的收藏夹
TA关注的人