![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
python 机器学习—基础篇
python 机器学习—基础篇
诗雨时
励志成为顶尖AI技术人才!某一领域内的领军人物!
展开
-
python 机器学习(监督学习—线性模型)
监督学习—线性模型线性模型利用输入特征的线性函数(linear function)进行预测。一、用于回归的线性模型 对于回归问题,线性模型预测的一般公式如下: 这里到表示单个数据点的特征(本例中特征个数为p+1),w和 b是学习模型的参数,是模型的预测结果。对于单一特征的数据集,公式如下: 这其实就是高中数学里的直...原创 2020-06-24 21:09:52 · 1415 阅读 · 0 评论 -
python 机器学习(监督学习—监督学习算法)
监督学习—监督学习算法一、一些样本数据集 1、二分类数据集示例:forge数据集。它有两个特征。 下列代码绘制一个散点图,将此数据集的所有数据点可视化。图像以第一个特征为x轴,第二个特征为y轴。正如其他散点图那样,每个数据点对应图像中的一点。每个点的颜色和形状对应其类别(类别0:蓝色圆圈;类别1:橙色三角形): ...原创 2020-06-19 17:01:52 · 574 阅读 · 0 评论 -
python 机器学习(监督学习—泛化、过拟合与欠拟合)
监督学习—泛化、过拟合与欠拟合 1、泛化 在监督学习中,我们想要在训练数据上构建模型,然后能够对没有见过的新数据(这些新数据与训练集具有相同的特性)做出准确预测。 如果一个模型能够对没见过的数据做出准确预测,我们就说它能够从训练集泛化(generalize)到测试集。我们想要构建一个泛化精度尽可能高的模型。 通常来说,我们构建模型,使其在训练集上能够做出准确预测。如果训练集和测试集足够相...原创 2020-06-19 11:34:08 · 1238 阅读 · 0 评论 -
python 机器学习(监督学习—分类与回归)
监督学习每当想要根据给定输入预测某个结果,并且还有输入/输出对的示例时,都应该使用监督学习。这些输入/输出对构成了训练集,我们利用它来构建机器学习模型。我们的目标是对从未见过的新数据做出准确预测。一、分类与回归 ...原创 2020-06-18 22:05:59 · 1036 阅读 · 0 评论 -
python 机器学习(引言-莺尾花分类)
莺尾花分类一、实验简介 1、目标: 构建一个机器学习模型,从已知品种的莺尾花测量数据中进行学习,从而能够预测新莺尾花的品种。 2、莺尾花测量数据: 花瓣长度、花瓣宽度、花萼长度、花萼宽度。单位:厘米(cm)。 莺尾花品种:setosa、versicolor、virginica三个品种之一。 莺尾花图片:...原创 2020-06-18 11:26:29 · 4379 阅读 · 0 评论