机器学习
不 知
by design.
展开
-
机器学习_梯度下降法一维函数
一维函数使用梯度下降法的例子 import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt def f1(x): return 0.5 * (x - 0.25) ** 2 def h1(x): return 0.5 * 2 *(x - 0.25) if __name__ == '__main__': mpl.rcParams['font.family'] = 'SimHei' mp原创 2020-12-28 18:50:14 · 670 阅读 · 0 评论 -
机器学习_线性回归最小二乘法求解
import sklearn.datasets as data import numpy as np import matplotlib.pyplot as plt import pandas as pd import matplotlib as mpl class LinearRegression: def __init__(self): pass def fit(self, X, y): X = np.asmatrix(X.copy())原创 2020-12-28 15:45:55 · 163 阅读 · 0 评论 -
机器学习_线性回归梯度下降法求解
import numpy as np import pandas as pd import sklearn.datasets as dataset import matplotlib.pyplot as plt import matplotlib as mpl class LinearRegression: def __init__(self, alpha, times): """ alpha:float 学习率,用来控制步长(权重调整的幅原创 2020-12-28 15:45:01 · 88 阅读 · 0 评论 -
机器学习_感知器算法学习(Python实现)
感知器是一种分类算法,代码实现如下: import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt import sklearn.datasets as dataset class Perception: def __init__(self, alpha, times): """ 初始化方法 :param alpha:学原创 2020-11-19 11:31:38 · 343 阅读 · 0 评论 -
机器学习_KMeans聚类算法的学习(Python实现)
Kmeans算法是最常用的聚类算法。 主要思想是:在给定K值和K个初始类簇中心点的情况下,把每个点(亦即数据记录)分到离其最近的类簇中心点所代表的类簇中,所有点分配完毕之后,根据一个类簇内的所有点重新计算该类簇的中心点(取平均值),然后再迭代的进行分配点和更新类簇中心点的步骤,直至类簇中心点的变化很小,或者达到指定的迭代次数。 其训练数据的流程是: 根据上面的流程图来实现具体代码: import numpy as np import matplotlib as mpl import matplotl.原创 2020-11-19 10:54:55 · 1679 阅读 · 0 评论 -
Python中numpy添加元素
首先这里p_arr为一个numpy的array,p_为一个元素 p_arr = np.concatenate((p_arr,[p_])) # 先将p_变成list形式进行拼接,注意输入为一个tuple p_arr = np.append(p_arr,p_) #直接向p_arr里添加p_ #注意一定不要忘记用赋值覆盖原p_arr不然不会变 ...原创 2020-11-13 11:43:15 · 6157 阅读 · 0 评论 -
python实现KNN分类算法
import sklearn import numpy as np from sklearn.neighbors import KNeighborsClassifier import sklearn.datasets as data import matplotlib as mpl import matplotlib.pyplot as plt from matplotlib.colors import ListedColormap import pandas as pd from tensorboard.原创 2020-11-11 20:45:58 · 162 阅读 · 1 评论 -
Python语法np.c_分析、np.meshgrid、plt.pcolormesh和分类器
1、np.c_和np.r_ 直接上代码: 多维的数据: d = np.array([[1, 2, 3], [4, 5, 6]]) c = np.array([[4,5,6],[7,8,9]]) print(np.c_[d,c]) [[1 2 3 4 5 6] [4 5 6 7 8 9]] 一维的数据: d = np.array([1, 2, 3]) c = np.array([4,5,6]) print(np.c_[d,c]) [[1 4] [2 5] [原创 2020-11-09 21:33:52 · 1580 阅读 · 0 评论 -
Python机器学习记录_KNN预测男女
import sklearn import numpy as np from sklearn.neighbors import KNeighborsClassifier import sklearn.datasets as data if __name__ == '__main__': x_train = [[192,90,46],[180,80,44],[160,45,36],[170,65,41],[154,41,34],[165,60,40]] y_train = ["boy","b原创 2020-11-07 14:38:22 · 574 阅读 · 0 评论