机器学习
文章平均质量分 87
曼城周杰伦
行走在路上的AI工程师
展开
-
Seaborn用法大全
Seaborn是一个基于Python的数据可视化库,它建立在matplotlib的基础之上,为统计数据的可视化提供了高级接口。Seaborn通过简洁美观的默认样式和绘图类型,使数据可视化变得更加简单和直观。它特别适用于那些想要创建具有吸引力且信息丰富的统计图形的数据科学家和数据分析师。原创 2024-05-13 08:51:19 · 958 阅读 · 0 评论 -
机器学习之SMOTE重采样--解决样本标签不均匀问题
使用SMOTE算法对其中的少数类别进行过采样,以使其与多数类别的样本数量相当或更接近。这个示例中,首先生成一个不平衡的二分类数据集,然后使用SMOTE算法来生成新的合成样本,使得两个类别的样本数量相等。最后原始数据集和平衡后的数据集进行可视化展示。包含了各种常用的不平衡数据处理方法,例如:随机过采样,SMOTE及其变形方法,tom-links欠采样,编辑最近邻欠采样方法等等。仅用正样本的K近邻生成新正样本是正是SMOTE方法,考虑到(SMOTE的最终目的是分清正负样本的边界),所以需要对样本生成进行优化。原创 2024-05-06 17:36:49 · 312 阅读 · 0 评论 -
机器学习之常用的回归预测模型
本文全面整理了各种回归预测模型,旨在帮助读者更好地学习回归预测模型原创 2024-04-04 14:52:46 · 1026 阅读 · 0 评论 -
时间系列预测总结
转载自:https://mp.weixin.qq.com/s/B1eh4IcHTnEdv2y0l4MCog拥有一种可靠的方法来预测和预测未来事件一直是人类的愿望。在数字时代,我们拥有丰富的信息,尤其是时间序列数据。时间序列是指基于时间刻度维度(天、月、年等)采样和组织的任何数据。预测它将提供有价值的见解,帮助我们做出明智的决策并制定业务战略。时序数据示例包括:金融市场:股票价格、汇率和交易量。气候和天气:温度、降雨量和风速。销售和需求预测:一段时间内的产品销售数据。原创 2024-04-08 13:39:35 · 653 阅读 · 0 评论