本文探讨了在Python中如何有效地评估随机机器学习算法的性能，强调了重复试验的重要性以获得模型表现的平均值。此外，文章提到了数据探索在机器学习中的关键角色，包括使用Python库如Pandas和Matplotlib进行数据预处理和可视化，以及数据清洗、统计分析和特征工程。同时，文中还涵盖了Python中的数据探索函数，如numpy和pandas的统计方法，以及在图像处理和数据分析项目中的应用。
随机机器学习算法需要试验多少次，才足以客观有效的反映模型性能？
Jason Brownlee
许多随机机器学习算法存在同样的问题：相同的算法、相同的数据，得到的计算结果却每次都不同。这意味着在进行随机算法检验或者算法比较的时候，必须重复试验很多次，然后用它们的平均值来评价模型。
那么对于给定问题，随机机器学习算法需要试验多少次，才足以客观有效的反映模型性能？
...
文章
玄学酱
2017-08-02
1028浏览量
《机器学习实战》二分-kMeans算法(二分K均值聚类)
=====================================================================
《机器学习实战》系列博客是博主阅读《机器学习实战》这本书的笔记也包含一些其他python实现的机器学习算法
...
文章
thinkgamer.cn
2015-10-07
650浏览量
Python+OpenCV基础教程2：平滑图像
学习模糊/平滑图像，消除噪点。图片等可到源码处下载。
1、目标
2、教程
滤波与模糊
推荐大家先阅读：番外篇：卷积基础(图片边框)，有助于理解卷积和滤波的概念。
关于滤波和模糊，很多人分不清，我来给大家理理(虽说如此，我后面也会混着用,,ԾㅂԾ,,)：
它们都属于卷积，不同滤波方法之间只是卷积...
文章
初商
2019-08-04
480浏览量
7步掌握Python机器学习
“开始”，是一个令人激动的字眼。然而万事开头难，当你拥有过多的选择时，往往就会不知所措。
我们希望借助免费、便捷的在线资源，帮助你完成从小白到大牛的蜕变。这篇文章将会回答如何选择资源、如何拓展学习以及按怎样的顺序学习等一系列问题。
我们要开始了！首先假定你还不具备以下技能：
精通机器学习
...
文章
【方向】
2017-12-04
11844浏览量
《Python数据分析与挖掘实战》一3.3 Python主要数据探索函数
本节书摘来自华章出版社《Python数据分析与挖掘实战》一书中的第3章，第3.3节，作者 张良均 王路 谭立云 苏剑林，更多章节内容可以访问云栖社区“华章计算机”公众号查看
3.3 Python主要数据探索函数
Python中用于数据探索的库主要是Pandas(数据分析)和Matplotlib(...
文章
华章计算机
2017-05-02
2223浏览量
使用numpy解决图像维度变换问题
使用numpy解决图像维度变换问题
numpy python
numpy函数介绍
1. np.transpose(input, axes=None)
在机器学习中经常会碰到各种图像数据集，有的是按照num*height*width*channel来存储的，而有的则是num*...
文章
marsggbo
2018-09-30
1328浏览量
从 1.9 到 1.11，聊聊 PyFlink 的核心功能演进(附 Demo 代码)
作者：程鹤群(军长)，Apache Flink PMC整理：谢县东(Flink 社区志愿者)
摘要：本文由 Apache Flink PMC，阿里巴巴技术专家程鹤群分享，主要介绍 PyFlink 的核心功能及应用，分为以下四部分：
PyFlink 的发展史。
PyFlink 的核心功能及原理。...
文章
阿里云实时计算Flink
2020-08-12
723浏览量
《 Python数据可视化》导读
前 言
数据可视化旨在清楚明了地提供信息，帮助读者定性理解这些信息。俗话说，一图胜千字(百闻不如一见)。这里，可以换个说法，“一幅图讲述了一个故事，如同万语千言。”因此，可视化是一个宝贵的工具，有助于读者快速理解相应的概念。然而，与其说数据可视化是一种技能，还不如说它是一门艺术。这是因为，如过...
文章
华章计算机
2017-05-02
2193浏览量
python/pandas/Numpy数据分析-统计描述，唯一值，值计数
pandas 对象拥有一组常用的数学和统计方法，大部分属于简约统计，用于从Series中提取一个值，或者从DataFrame中提取一列或者一行Series
注意：与NumPy数组相比，这些函数都是基于没有缺失数据的建设构建的，也就是说：这些函数会自动忽略缺失值。
count 非 NA 值的...
文章
墨持alvin
2016-12-29
1402浏览量
《Python机器学习——预测分析核心算法》——小结
本节书摘来异步社区《Python机器学习——预测分析核心算法》一书中的第2章，作者：【美】Michael Bowles(鲍尔斯)，更多章节内容可以访问云栖社区“异步社区”公众号查看。
小结
本章介绍了用于探究新数据集的一些工具，接下来就是如何建立预测模型。这些工具从简单地获取数据集的规模开始，包括...
文章
异步社区
2017-05-02
1123浏览量
可能是最全的数据标准化教程(附python代码)
什么是数据标准化(归一化)
数据标准化(归一化)处理是数据挖掘的一项基础工作，不同评价指标往往具有不同的量纲和量纲单位，当各指标间的水平相差很大时，如果直接用原始指标值进行分析，就会突出数值较高的指标在综合分析中的作用，相对削弱数值水平较低指标的作用。为了消除指标之间的量纲影响，保证结果的可靠性，...
文章
xmuwww
2017-11-20
1026浏览量
Python3入门机器学习 - numpy篇
numpy是python的一个支持矩阵、向量运算的库，由于python自带的list不仅效率低，也不会将数组看作矩阵或者向量，因此在机器学习中，使用numpy来作为操作数组及矩阵的工具
numpy生成数组或矩阵
numpy.array([i for i in range(10)])
numpy...
文章
icesource
2018-02-22
988浏览量
手把手教你在多种无监督聚类算法实现Python(附代码)
无监督学习是一类用于在数据中寻找模式的机器学习技术。无监督学习算法使用的输入数据都是没有标注过的，这意味着数据只给出了输入变量(自变量 X)而没有给出相应的输出变量(因变量)。在无监督学习中，算法本身将发掘数据中有趣的结构。
人工智能研究的领军人物 Yan Lecun，解释道：无监督学习能够自己...
文章
技术小能手
2018-06-01
8092浏览量
AI工具包
更多深度文章，请关注云计算频道：https://yq.aliyun.com/cloud
现在的人工智能可以为企业带来许多好处，并且将简单的认知能力赋予给了机器。作为计算机科学领域，人工智能正在以前所未有的速度发展。今天我将向你介绍AI的两大工具，它们正在推动着人工智能的发展。
机器学习，深度学习...
文章
【方向】
2017-10-12
3371浏览量
Python爬虫(四)——开封市58同城数据模型训练与检测
前文参考：
Python爬虫(一)——开封市58同城租房信息
Python爬虫(二)——对开封市58同城出租房数据进行分析
Python爬虫(三)——对豆瓣图书各模块评论数与评分图形化分析
数据的构建
在这张表中我们可以发现这里有5个数据，这里有两个特征(房租是否少于2000，房屋面积是否大于...
文章
奶berber
2018-06-26
922浏览量
机器理解大数据的秘密：聚类算法深度详解
看看下面这张图，有各种各样的虫子和蜗牛，你试试将它们分成不同的组别？
不是很难吧，先从找出其中的蜘蛛开始吧！
完成了吗？尽管这里并不一定有所谓的「正确答案」，但一般来说我们可以将这些虫子分成四组：蜘蛛、蜗牛、蝴蝶/飞蛾、蜜蜂/黄蜂。
很简单吧？即使虫子数量再多一倍你也能把它们分清楚，对吗...
文章
行者武松
2017-05-01
922浏览量
Python粉都应该知道的开源机器学习框架：Scikit-learn入门指南
对Python语言有所了解的科研人员可能都知道SciPy——一个开源的基于Python的科学计算工具包。基于SciPy，目前开发者们针对不同的应用领域已经发展出了为数众多的分支版本，它们被统一称为Scikits，即SciPy工具包的意思。而在这些分支版本中，最有名，也是专门面向机器学习的一个就是S...
文章
云栖大讲堂
2017-08-01
1295浏览量
《机器学习实战》kMeans算法(K均值聚类算法)
============================================================================================
《机器学习实战》系列博客是博主阅读《机器学习实战》这本书的笔记，包含对其中算法的理解和算法的Python代码实现...
文章
thinkgamer.cn
2015-10-07
1109浏览量
《R语言编程艺术》——2.7 NA与NULL值
2.7 NA与NULL值
用过其他脚本语言的读者也许会知道“查无此物”的值，例如Python中的None和Perl中的undefined。R有两个类似值：NA和NULL。在统计数据集，我们经常遇到缺失值，在R中表示为NA。而NULL代表不存在的值，而不是存在但未知的值。让我们看看它们在具体情形下是...
文章
华章计算机
2017-08-01
1059浏览量
如何使用爬虫分析Python岗位招聘情况
Life is short, you need Python。Python 是一门很优雅的语言，用着挺舒服的。所以就在想，现在的 Python 开发的岗位招聘，公司们需要什么样的人才？要有什么样的技能？以及对应的市场如何？
所以，我又有了一个大胆的想法。爬取了前程无忧上 Python 关键字的招聘...
文章
青衫无名
2018-03-14
1151浏览量
模型调优没效果? 不妨试试Batch Normalization！
今儿调模型大佬又给支了一招，叫Batch Normalization(下面简称BN)，虽然还没有深刻理解这玩意是什么，但是是真的挺有效的，哈哈。因此本文只是总结一下BN的具体操作流程以及如何用tensorflow来实现BN，对于BN更深层次的理解，为什么要BN，BN是否真的有效大家可以参考知乎上的...
文章
技术小能手
2018-08-24
884浏览量
模型调优没效果? 不妨试试Batch Normalization！
今儿调模型大佬又给支了一招，叫Batch Normalization(下面简称BN)，虽然还没有深刻理解这玩意是什么，但是是真的挺有效的，哈哈。因此本文只是总结一下BN的具体操作流程以及如何用tensorflow来实现BN，对于BN更深层次的理解，为什么要BN，BN是否真的有效大家可以参考知乎上的...
文章
技术小能手
2018-08-23
3768浏览量
带你读《TensorFlow机器学习实战指南(原书第2版)》之一：TensorFlow基础
智能系统与技术丛书点击查看第二章点击查看第三章TensorFlow机器学习实战指南(原书第2版)TensorFlow Machine Learning Cookbook［美］ 尼克·麦克卢尔(Nick McClure)著李 飞 刘 凯 卢建华 李 静 赵秀丽 译
第1章
TensorFlow基础...
文章
温柔的养猫人
2019-11-17
276浏览量
发掘数据中的信息 -- 数据探索之描述性统计
在如今这个大数据时代，数据的价值得到普遍的认可。可是，数据为什么有价值呢？如果，数据只是静静地躺在服务器中，又或是默默地流淌在网络中，它们又能带来什么？
数据就如同海边的沙子，潮起潮落，岁月轮转，它们也仅仅是沙子而已；但如果有好奇的孩子在沙滩上玩耍，他们或许能发现沙子下埋藏的美丽贝壳，又或许能用沙...
文章
技术小能手
2018-11-26
1140浏览量
数据质量和特征分析
数据质量分析：
主要是对异常值的分析：1、3σ原则：如果数据符合正态分布，那么数据异常定义在一组测定值与平均值的偏差超过3倍标准差的值。在正态分布的假设下，距离平均值3σ之外的值出现的概率为P(|x-μ|>3σ)≤0.003，属于极个别的小概率事件。但面对不服从正态分布的数据，应该怎么办呢？...
文章
武耀文
2018-09-11
1335浏览量
Python测算女朋友还完花呗多久后吃土
七夕前夕，我的暗恋对象邀我共进晚餐，这把我激动的~！！！万年单身的我终于可以不再寂寞了！
去了才知道，原来她被闺蜜们放了鸽子，奈何近期有喜事，需要找人一起喝酒，所以才有了我的出现。
当然我还是珍惜这难得的机会，到底是什么事如此迫不及待呢？主要有三件：
暗恋对象最近学习了python数据分析，换了一...
文章
技术小能手
2018-08-24
1615浏览量
Python机器学习算法入门之梯度下降法实现线性回归
1. 背景
文章的背景取自An Introduction to Gradient Descent and Linear Regression，本文想在该文章的基础上，完整地描述线性回归算法。部分数据和图片取自该文章。没有太多时间抠细节，所以难免有什么缺漏错误之处，望指正。
线性回归的目标很简单...
文章
青衫无名
2018-03-15
2199浏览量
《数据驱动安全：数据安全分析、可视化和仪表盘》一3.4 探索数据
本节书摘来华章计算机《数据驱动安全：数据安全分析、可视化和仪表盘》一书中的第3章 ，第3.4节，[美]杰·雅克布(Jay Jacobs)鲍布·鲁迪斯(Bob Rudis) 著 薛杰 王占一 张卓 胡开勇 蒋梦飏 赵爽 译, 更多章节内容可以访问云栖社区“华章计算机”公众号查看。
3.4 探索数据
...
文章
华章计算机
2017-06-21
1049浏览量
怎样用PCA技术简化数据，你造吗？
文章转载自ApacheCN作者：片刻
1、降维技术
一 场景
我们正通过电视观看体育比赛，在电视的显示器上有一个球。
显示器大概包含了100万像素点，而球则可能是由较少的像素点组成，例如说一千个像素点。
人们实时的将显示器上的百万像素转换成为一个三维图像，该图像就给出运动场上球的位置。
这个过...
文章
初商
2019-08-04
344浏览量
没有完美的数据插补法，只有最适合的
数据缺失是数据科学家在处理数据时经常遇到的问题，本文作者基于不同的情境提供了相应的数据插补解决办法。没有完美的数据插补法，但总有一款更适合当下情况。
我在数据清理与探索性分析中遇到的最常见问题之一就是处理缺失数据。首先我们需要明白的是，没有任何方法能够完美解决这个问题。不同问题有不同的数据插补方法...
文章
技术小能手
2018-10-22
1577浏览量
扫一扫
3919
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
