![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
educoder
木右加木
无
展开
-
educoder 机器学习之随机森林算法
第1关:Baggingimport numpy as npfrom collections import Counterfrom sklearn.tree import DecisionTreeClassifierclass BaggingClassifier(): def __init__(self, n_model=10): ''' 初始化函数 ''' #分类器的数量,默认为10 self.n_model =原创 2021-12-10 14:43:38 · 1231 阅读 · 1 评论 -
educoder 决策树的构造
第1关:决策树简介"""Parameters: dataSet - 训练数据集 labels - 分类属性标签 featLabels - 存储选择的最优特征标签Returns: myTree - 决策树"""# 函数说明:创建决策树def createTree(dataSet, labels, featLabels): ############ #请输入你的代码 #取分类标签(是否放贷:yes or no) #如果类别完全相同则停原创 2021-11-22 16:36:21 · 829 阅读 · 0 评论 -
educoder 支持向量机简介
第1关:支持向量机简介1 A 2 A 3 C4 C5 A原创 2021-11-22 16:34:26 · 1523 阅读 · 0 评论 -
educoder SMO进行优化
第1关:SMO高效优化算法import numpy as npimport randomdef calcEk(oS, k): """ 计算误差 Parameters: oS - 数据结构 k - 标号为k的数据 Returns: Ek - 标号为k的数据误差 """ fXk = float(np.multiply(oS.alphas,oS.labelMat).T*(oS.X*oS.X[k,:].T) + o原创 2021-11-22 16:32:53 · 1035 阅读 · 0 评论 -
educoder 基于贝叶斯决策理论的分类方法
第1关:基于贝叶斯决策理论的分类方法import numpy as np'''Parameters: 无Returns: postingList - 实验样本切分的词条 classVec - 类别标签向量'''# 函数说明:创建实验样本def loadDataSet(): postingList=[['my', 'dog', 'has', 'flea', 'problems', 'help', 'please'], #切分的词条原创 2021-11-22 16:31:51 · 1167 阅读 · 0 评论 -
educoder Pandas初体验
第1关:了解数据处理对象–Series# -*- coding: utf-8 -*-from pandas import Series,DataFrameimport pandas as pd def create_series(): ''' 返回值: series_a: 一个Series类型数据 series_b: 一个Series类型数据 dict_a: 一个字典类型数据 ''' # 请在此添加代码 完成本关任务 # ****原创 2021-11-15 16:52:59 · 2504 阅读 · 0 评论 -
educoder 数据挖掘算法原理与实践:k-近邻
第1关:knn算法概述#encoding=utf8import numpy as npdef topK(i,k,x,y): ''' input: i(int):第i个样本 k(int):最近邻样本个数 x(ndarray):数据特征 y(ndarray):数据标签 output: topK(list):样本i的最近k个样本标签 ''' #*********Begin********原创 2021-11-15 16:48:35 · 1883 阅读 · 0 评论 -
educoder Numpy初体验
第1关:Numpy创建数组# 引入numpy库import numpy as np# 定义cnmda函数def cnmda(m,n): ''' 创建numpy数组 参数: m:第一维的长度 n: 第二维的长度 返回值: ret: 一个numpy数组 ''' ret = 0 # 请在此添加创建多维数组的代码并赋值给ret #********** Begin *转载 2021-11-15 16:45:16 · 1076 阅读 · 1 评论 -
educoder 数据挖掘算法原理与实践:线性回归(房价预测)
第1关:线性回归算法思想1 BC第2关:动手实现线性回归#encoding=utf8import numpy as np#msedef mse_score(y_predict,y_test): #********* Begin *********# m = len(y_predict) a = y_test - y_predict mse = np.dot(a,a)/m #********* End *********# return mse原创 2021-11-15 16:42:42 · 3116 阅读 · 0 评论 -
educoder 数据挖掘算法原理与实践:决策树
第1关:决策树算法思想1 AB2 B第2关:决策树算法原理import numpy as npdef calcInfoGain(feature, label, index): ''' 计算信息增益 :param feature:测试用例中字典里的feature,类型为ndarray :param label:测试用例中字典里的label,类型为ndarray :param index:测试用例中字典里的index,即feature部分特征列的索引。该索原创 2021-11-15 16:40:57 · 4589 阅读 · 1 评论 -
educoder 数据挖掘算法原理与实践:k-均值
第1关:什么是质心#encoding=utf8import numpy as np#计算样本间距离def distance(x, y, p=2): ''' input:x(ndarray):第一个样本的坐标 y(ndarray):第二个样本的坐标 p(int):等于1时为曼哈顿距离,等于2时为欧氏距离 output:distance(float):x到y的距离 ''' #********* Begin **原创 2021-11-15 16:38:47 · 1634 阅读 · 0 评论 -
educoder 机器学习 --- 绪论
第1关:什么是机器学习1.BC第2关:机器学习的常见术语1.B第3关:机器学习的主要任务1.B2.AD3.B原创 2021-11-08 17:34:05 · 423 阅读 · 0 评论 -
educoder 机器学习 --- 模型评估、选择与验证
第1关:为什么要有训练集与测试集1、D2、A第2关:欠拟合与过拟合1、B2、ABD第3关:偏差与方差1、B第4关:验证集与交叉验证1、D2、BCD第5关:衡量回归的性能指标1、AB第6关:准确度的陷阱与混淆矩阵import numpy as npdef confusion_matrix(y_true, y_predict): ''' 构建二分类的混淆矩阵,并将其返回 :param y_true: 真实类别,类型为ndarray :pa原创 2021-11-08 17:30:29 · 1863 阅读 · 0 评论 -
educoder python入门和Numpy函数库基础
第1关:Numpy函数库实践##########from numpy import *arr = random.rand(4,4)print(arr)randmat = mat(arr)invrandmat = randmat.Iprint(invrandmat)result = randmat*invrandmatprint(result)##########原创 2021-11-08 17:25:46 · 682 阅读 · 0 评论 -
educoder机器学习 --- 线性回归
第1关:简单线性回归与多元线性回归1、BC2、ABC3、A第2关:线性回归的正规方程解#encoding=utf8 import numpy as npdef mse_score(y_predict,y_test): ''' input:y_predict(ndarray):预测值 y_test(ndarray):真实值 ouput:mse(float):mse损失函数值 ''' #********* Begin *********原创 2021-11-08 17:24:38 · 4524 阅读 · 0 评论 -
educoder机器学习 --- 神经网络
第1关:神经网络基本概念1、C第2关:激活函数#encoding=utf8def relu(x): ''' x:负无穷到正无穷的实数 ''' #********* Begin *********# if x <= 0: return 0 else: return x #********* End *********#第3关:反向传播算法#encoding=utf8import osimpo原创 2021-11-08 17:20:14 · 5074 阅读 · 0 评论 -
educoder机器学习 --- 多分类学习
第1关:OvO多分类策略import numpy as np# 逻辑回归class tiny_logistic_regression(object): def __init__(self): #W self.coef_ = None #b self.intercept_ = None #所有的W和b self._theta = None #01到标签的映射 self原创 2021-11-08 17:12:49 · 2652 阅读 · 0 评论 -
educoder 机器学习 --- 线性判别分析
第1关:线性判别分析 - 随机生成数的降维# encoding=utf8import numpy as npfrom numpy.linalg import invdef lda(X, y): ''' input:X(ndarray):待处理数据 y(ndarray):待处理数据标签,标签分别为0和1 output:X_new(ndarray):处理后的数据 ''' # ********* Begin *********# #原创 2021-11-08 17:09:26 · 2985 阅读 · 0 评论 -
educoder 机器学习 --- 逻辑回归
第1关:逻辑回归核心思想#encoding=utf8import numpy as npdef sigmoid(t): ''' 完成sigmoid函数计算 :param t: 负无穷到正无穷的实数 :return: 转换后的概率值 :可以考虑使用np.exp()函数 ''' #********** Begin **********# sig = 1/(1+np.exp(-t)) return sig #*********原创 2021-11-08 17:07:17 · 2813 阅读 · 1 评论 -
educoder 数据挖掘算法原理与实践:数据预处理
第1关:标准化# -*- coding: utf-8 -*-from sklearn.preprocessing import scale,MaxAbsScaler,MinMaxScaler#实现数据预处理方法def Preprocessing(x,y): ''' x(ndarray):处理 数据 y(str):y等于'z_score'使用z_score方法 y等于'minmax'使用MinMaxScaler方法 y等于'max原创 2021-11-08 16:42:57 · 1632 阅读 · 0 评论 -
educoder 决策树
第1关:什么是决策树1.AB2.B第2关:信息熵与信息增益import numpy as npdef calcInfoGain(feature, label, index): ''' 计算信息增益 :param feature:测试用例中字典里的feature,类型为ndarray :param label:测试用例中字典里的label,类型为ndarray :param index:测试用例中字典里的index,即feature部分特征列的索引。该索引原创 2021-11-05 11:07:43 · 1011 阅读 · 0 评论