机器学习
Mr.Jcak
这个作者很懒,什么都没留下…
展开
-
shrinkage LDA的python实现
https://scikit-learn.org/stable/modules/generated/sklearn.discriminant_analysis.LinearDiscriminantAnalysis.htmlsklearn.discriminant_analysis.LinearDiscriminantAnalysis(*, solver='svd', shrinkage=None, priors=None, n_components=None, store_covariance=Fal原创 2020-11-20 10:30:01 · 374 阅读 · 0 评论 -
python计算kappa系数
sklearn.metrics.cohen_kappa_score(y1, y2, *, labels=None, weights=None, sample_weight=None)https://scikit-learn.org/stable/modules/generated/sklearn.metrics.cohen_kappa_score.html原创 2020-09-24 21:12:27 · 7862 阅读 · 0 评论 -
python计算precision,recall,f1-score
sklearn.metrics.classification_report(y_true, y_pred, *, labels=None, target_names=None, sample_weight=None, digits=2, output_dict=False, zero_division='warn')https://scikit-learn.org/stable/modules/generated/sklearn.metrics.classification_report.html原创 2020-09-24 21:09:24 · 2931 阅读 · 0 评论 -
基于wrapper的特征选择——递归特征消除RFE的python实现
class sklearn.feature_selection.RFE(estimator, *, n_features_to_select=None, step=1, verbose=0)https://scikit-learn.org/stable/modules/generated/sklearn.feature_selection.RFE.html?highlight=rfe#sklearn.feature_selection.RFEestimator:用于特征选择的分类器n_fea.原创 2020-09-20 11:27:06 · 1509 阅读 · 0 评论 -
基于Filter的特征选择的python实现
class sklearn.feature_selection.SelectKBest(score_func=<function f_classif>, *, k=10)https://scikit-learn.org/stable/modules/generated/sklearn.feature_selection.SelectKBest.html?highlight=selectkbest#sklearn.feature_selection.SelectKBestscore_fu.原创 2020-09-20 11:24:17 · 585 阅读 · 0 评论 -
随机森林分类器的python实现
class sklearn.ensemble.RandomForestClassifier(n_estimators=100, *, criterion='gini', max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features='auto', max_leaf_nodes=None, min_impurity_decrease=0.0, min_impurit.原创 2020-09-20 11:12:15 · 699 阅读 · 0 评论 -
K近邻KNN的python实现
class sklearn.neighbors.KNeighborsClassifier(n_neighbors=5, *, weights='uniform', algorithm='auto', leaf_size=30, p=2, metric='minkowski', metric_params=None, n_jobs=None, **kwargs)https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KN.原创 2020-09-20 11:11:02 · 75 阅读 · 0 评论 -
线性判别分析LDA的python实现
class sklearn.discriminant_analysis.LinearDiscriminantAnalysis(*, solver='svd', shrinkage=None, priors=None, n_components=None, store_covariance=False, tol=0.0001)https://scikit-learn.org/stable/modules/generated/sklearn.discriminant_analysis.LinearDis.原创 2020-09-20 11:09:49 · 312 阅读 · 0 评论 -
逻辑回归分类的python实现
class sklearn.linear_model.LogisticRegression(penalty='l2', *, dual=False, tol=0.0001, C=1.0, fit_intercept=True, intercept_scaling=1, class_weight=None, random_state=None, solver='lbfgs', max_iter=100, multi_class='auto', verbose=0, warm_start=False, n.原创 2020-09-20 11:08:45 · 259 阅读 · 0 评论 -
支持向量机SVM的python实现
用于分类的SVM:class sklearn.svm.SVC(*, C=1.0, kernel='rbf', degree=3, gamma='scale', coef0=0.0, shrinking=True, probability=False, tol=0.001, cache_size=200, class_weight=None, verbose=False, max_iter=-1, decision_function_shape='ovr', break_ties=False, r原创 2020-09-20 11:07:25 · 291 阅读 · 0 评论 -
python实现共空间模式CSP
直接调用库函数mne.decoding.CSP(n_components=4, reg=None, log=None, cov_est='concat', transform_into='average_power', norm_trace=False, cov_method_params=None, rank=None)https://mne.tools/stable/generated/mne.decoding.CSP.html?highlight=csp#mne.decoding.CSP原创 2020-09-19 10:23:45 · 1387 阅读 · 0 评论 -
神经网络的反向传播推导实例
假设,你有这样一个网络层: 第一层是输入层,包含两个神经元i1,i2,和截距项b1;第二层是隐含层,包含两个神经元h1,h2和截距项b2,第三层是输出o1,o2,每条线上标的wi是层与层之间连接的权重,激活函数我们默认为sigmoid函数。 现在对他们赋上初值,如下图: 其中,输入数据 i1=0.05,i2=0.10; 输出数据 o1=0.01,o2=0.9...转载 2019-12-28 16:24:39 · 1504 阅读 · 1 评论 -
贝叶斯用于文档分类
from numpy import *def loadDataSet(): # 词条切分后的文档集合,列表每一行代表一个文档 postingList = [['my', 'dog', 'has', 'flea', 'please'], ['not', 'take', 'him', 'to', 'dog', 'stupid'], ...原创 2019-10-31 11:17:10 · 310 阅读 · 0 评论 -
概率密度函数某一点的意义
在连续型随机变量的概率密度函数中,某一点的值不等于该点的概率值,就像不能计算汽车在某一点的速度,因为速度是距离除以时间,对某一点来说不存在距离的概念。如果要计算某一点x的概率的话,就要对x取邻域(无限趋近于0),然后该邻域内的概率密度函数进行积分。...原创 2019-08-01 10:59:17 · 4970 阅读 · 0 评论 -
基于变分推断的贝叶斯神经网络详解(keras实现)
http://krasserm.github.io/2019/03/14/bayesian-neural-networks/import numpy as npimport matplotlib.pyplot as plt%matplotlib inlinedef f(x, sigma): epsilon = np.random.randn(...原创 2019-08-04 14:20:53 · 5744 阅读 · 1 评论 -
sklearn.decomposition.FastICA实现FastICA算法
关于sklearn.decomposition.FastICA的介绍http://lijiancheng0614.github.io/scikit-learn/modules/generated/sklearn.decomposition.FastICA.htmlimport numpy as npimport matplotlib.pyplot as pltfrom sklearn.d...原创 2019-05-29 17:13:47 · 5968 阅读 · 3 评论 -
混淆矩阵及分类性能评估方法
混淆矩阵:公式:其中TPR又叫召回率Recall原创 2019-02-11 14:09:59 · 853 阅读 · 0 评论 -
机器学习中防止过拟合的方法总结
来自机器学习成长之路公众号在对模型进行训练时,有可能遇到训练数据不够,即训练数据无法对整个数据的分布进行估计的时候,或者在对模型进行过度训练(overtraining)时,常常会导致模型的过拟合(overfitting)。如下图所示:通过上图可以看出,随着模型训练的进行,模型的复杂度会增加,此时模型在训练数据集上的训练误差会逐渐减小,但是在模型的复杂度达到一定程度时,模型在验证集上的误...转载 2018-11-16 17:03:24 · 459 阅读 · 0 评论