![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Python3入门机器学习经典算法与应用
你吃过卤汁牛肉吗
这个作者很懒,什么都没留下…
展开
-
3-3 numpy
1. 创建numpy数组和矩阵numpy.array其他创建numpy.array的方法2. numpy的几种常用操作arangelinspacerandom(1) np.random.randint(起始点, 终止点, size = ( , , , ))(2) np.random.random()(3) np.random.normal([均值 = 0]...原创 2019-08-19 11:04:41 · 211 阅读 · 0 评论 -
5-5 衡量线性回归法的指标 MSE,RMS,MAE
1. 衡量标准平方误差消除样本数量的影响(样本数越多,累计的误差就越大)均方误差, MSE(mean squared error)消除量纲的影响均方根误差, RMSE(root mean squared error)平均绝对误差, MAE(mean absolute error)2. 实现自己模仿sklearn的接口将这三种评价方式封装成类,放入到m...原创 2019-08-21 15:16:01 · 1259 阅读 · 0 评论 -
5-1 线性回归算法
1. 线性回归算法简介线性回归算法的特点解决回归问题 思想简单,容易实现 许多强大的非线性模型的基础 (逻辑回归\多项式回归\SVM等) 结果具有很好的可解释性 蕴含机器学习中的很多重要思想分类问题和回归问题的区别分类问题,坐标轴都是特征, 颜色代表样本的输出标记(离散)回归问题,横轴是特征,纵轴是样本的输出标记,样本的输出标记在一个连续的空间里简单线性回归的思...原创 2019-08-21 10:26:39 · 291 阅读 · 0 评论 -
4-7 数据的归一化
1. 为什幺要进行数据归一化?2. 几种数据归一化方式最值归一化: 把所有数据映射到0-1之间均值方差归一化:把所有数据归一化到均值为0, 方差为1的分布中3. 代码实现最大值归一化:均值方差归一化4. 对测试集如何归一化? 按照训练集的均值和方差进行归一化代码5. 使用K近邻算法解决回归问题6. K近邻算法的缺点1. 为什幺要进行数据归一化?...原创 2019-08-20 20:24:36 · 511 阅读 · 0 评论 -
4-5 KNN的超参数,k\method\p
目录超参数和模型参数寻找最好的k考虑距离作为投票权重的KNN---超参数weights=[uniform, distance]曼哈顿距离和欧氏距离---超参数p,定义了计算距离的公式; 其中, p=1是曼哈顿,p=2是欧式2. 网格搜素以及kNN中的更多超参数网格搜索超参数和模型参数超参数: 在算法运行前需要决定的参数模型参数: 算法过程中学习的参数K...原创 2019-08-20 15:04:59 · 1585 阅读 · 0 评论 -
4-4 分类准确度
分类准确度的计算方式:分类正确的样本数 / 总样本数自己封装的类, 与sklearn同接口:(新加了score(X_test, y_test)函数,不关心predict的具体值是多少(predict函数在score中调用),只关心模型的准确度)# from sklearn.neighbors import KNeighborsClassifierimport numpy as ...原创 2019-08-20 09:46:19 · 479 阅读 · 0 评论 -
4-1 K近邻算法基础
目录1. K近邻的python实现2. 使用scikit-learn中的KNN3. 判断机器学习算法的性能测试我们的算法划分出测试集对模型效果进行评估用sklearn中的train_test_split进行训练集和数据集的划分1. K近邻的python实现(1) 计算训练集中的每个样本与新加入样本的distance并保存下来(2) 对distance进行排序,找到...原创 2019-08-19 21:49:36 · 154 阅读 · 0 评论 -
6-1 梯度下降法
1. 梯度下降法简介特点不是机器学习算法 是一种基于搜索的最优化方法 作用:最小化一个损失函数 梯度上升法:最大化一个效用函数图像直观理解假设只有一个参数,图像如下:横轴:参数值;纵轴:损失函数值导数(一维)可以代表方向,对应J增大的方向,所以想要找到最小值:1. 方向:向导数的负方向调整参数值,2. 步长:乘以学习率为什么叫梯度?导数是指只有一个变...原创 2019-08-23 15:37:36 · 317 阅读 · 0 评论 -
3-11 数据可视化之matplotlib
目录1. matplotlib基础绘制折线图横轴代表特征,纵轴代表对应的取值(1) 绘制基本曲线(2) 添加更多描述信息绘制散点图横纵轴都是特征2. 读取数据和简单的数据探索以鸢尾花数据集为例,查看不同特征对于类别的区分度1. matplotlib基础绘制折线图(1) 绘制基本曲线常用的是matplotlib.pyplot模块每次执行plt.plo...原创 2019-08-19 14:44:51 · 1636 阅读 · 0 评论 -
5-7 多元线性回归
1. 多元线性回归的正规方程解每个样本有多个特征向量化, 其中是样本矩阵X前面加上一列1目标: 使尽可能的小---向量化了,提高运算效率多元线性回归的正规方程解:求出:缺点: 时间复杂度高:O(n^3)优点:不需要考虑量纲的问题2. 多元线性回归的实现每个系数对应一个特征,系数可以用于描述每个特征对于结果的贡献程度所以实现的时候是将截距和系...原创 2019-08-21 22:25:23 · 847 阅读 · 0 评论