![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
binfeng.huang
这个作者很懒,什么都没留下…
展开
-
机器学习之线性回归
第一大类.广义线性模型1. 普通最小二乘法LinearRegression类的拟合系数为w = (w1,w2,w3,…,wn),以此来最小化样本集中观测点和线性近似的预测点之间的残差平方和,数学本质就是:其fit()函数以数组x,y为输入,将拟合后的系数存储在变量coef_中,截距储存在变量intercept_中predict(xtest)函数,传入一个参数xtest,输出预测得到的y值。normalize()函数,传入需要进行归一化的数据集score(xtest,ytest)函数,传入测试数原创 2020-09-23 21:47:00 · 138 阅读 · 0 评论 -
sklearn常见算法及其Api的使用
第一部分:sklearn主要模块和使用方法1. sklearn的六大板块:分类: Classification回归: Regression聚类:Clustering维数约简:Dimensional Reduction模型选择:Model Selection数据预处理:Preprocessing2. 监督学习/无监督学习下的各个模块及调用方法2.1 监督学习的各个模块neighbors: 近邻算法SVM: 支持向量机kernal_ridge: 核岭回归discriminant_ana原创 2020-09-23 21:42:13 · 1306 阅读 · 0 评论 -
机器学习--k近邻算法
一、k-近邻算法的基本原理对于未知类别属性数据集中的点:(1)计算已知类别数据集中的每个点与当前点之间的距离;使用欧式距离公式,计算两个向量点xA和xB之间的距离公式如下:(2)按照距离递增次序排序;(3)选取与当前点距离最小的k个点;(4)确定前k个点所在类别的出现频率;(5)返回前k个点出现频率最高的类别作为当前点的预测分类。二、k-近邻算法的三要素k值的选择、距离度量、分类决策规则三、k-近邻算法的评价优点(1)k-近邻算法是分类数据最简单最有效的算法,它是一种lazy-le原创 2020-09-22 19:38:36 · 292 阅读 · 0 评论 -
机器学习分类算法~~估计器与转换器
原创 2020-09-22 19:31:26 · 125 阅读 · 0 评论 -
机器学习之特征工程
什么是特征工程?特征工程能直接影响机器学习的效果数据处理和特征工程的区别:特征提取:字典特征提取和文本特征提取以及使用Tf-idf文本特征提取将特征值都处理成one-hot编码实验:对下面的数据进行特征提取from sklearn.model_selection import train_test_splitfrom sklearn.feature_extraction import DictVectorizerdef dict_demo(): data = [{'c转载 2020-09-22 19:20:34 · 164 阅读 · 0 评论 -
机器学习知识点----数据集的使用
前言:机器学习经常使用的框架是sklearn,要善于使用它的API,已经相关参数调用。下面是使用sklearn的获取方法对于大数据集的使用鸢尾花数据集的下载和使用from sklearn.datasets import load_irisdef datasets_demo(): iris = load_iris() print("鸢尾花数据集:\n",iris) print("查看数据集描述:\n",iris["DESCR"]) print("查看特征值的原创 2020-09-22 18:51:26 · 2262 阅读 · 0 评论 -
机器学习三天入门之特征工程
from sklearn.datasets import load_irisfrom sklearn.model_selection import train_test_splitfrom sklearn.feature_extraction import DictVectorizerfrom sklearn.feature_extraction.text import CountVectorizer, TfidfVectorizerfrom sklearn.preprocessing impor.原创 2020-09-19 19:51:18 · 233 阅读 · 0 评论 -
如何把jupyter notebook切换到其他配置好的conda虚拟环境
最主要的目标可以总结为,为jupyter notebook添加一个hernel,让jupyter notebook知道可以从那边读取虚拟环境。具体来说,首先要切换到想要添加的环境中来,比如说【tensorflow】,然后在这个环境中,使用ipykernel的命令来添加环境到jupyter notebook中1.首先可以看一下自己在conda里面配置了哪些环境,使用conda env list2.在cmd中以管理员身份激活你的虚拟环境conda activate tensorflow3.在tenso原创 2020-09-19 18:42:16 · 312 阅读 · 0 评论 -
使用annaconda 安装sklearn 进行机器学习算法学习
前提是你已经安装好 annaconda的基础上,并且创建了tensorflow 的一个虚拟环境下面是具体步骤:首先进入anaconda prompt,输入activate tensorflow环境,再输入conda install scikit-learn,然后会弹出安装所需要的包,如mkl,numpy,scikit-learn,scipy等,然后点击确定(Y),就会开始安装。中间可能会出现,因为包太大会安装失败的情况,这时候可以多次安装,就有可能解决这个问题。...原创 2020-09-19 16:49:45 · 886 阅读 · 0 评论 -
anaconda用法
查看已经安装的包:pip list 或者 conda list安装和更新:pip install requestspip install requests --upgrade或者conda install requestsconda update requests更新所有库conda update --all更新 conda 自身conda update conda更新 anaconda 自身conda update anacondaanaconda换源:制定清华的源:con原创 2020-09-17 19:38:01 · 666 阅读 · 0 评论 -
机器学习简单介绍part1
一、基本分类及定义机器学习分为:监督学习,无监督学习,强化学习监督学习是指:利用一组已知类别的样本调整分类器的参数,使其达到所要求性能的过程,也称为监督训练或有教师学习。监督学习是从标记的训练数据来推断一个功能的机器学习任务。训练数据包括一套训练示例。在监督学习中,每个实例都是由一个输入对象(通常为矢量)和一个期望的输出值(也称为监督信号)组成。监督学习算法是分析该训练数据,并产生一个推断的功能,其可以用于映射出新的实例。一个最佳的方案将允许该算法来正确地决定那些看不见的实例的类标签。这就要求学习算法原创 2020-07-04 10:28:01 · 191 阅读 · 0 评论 -
‘RefVariable‘ object has no attribute ‘_id‘
原因若是你的设置是anaconda下的python.exe。就会发现在PyCharm中写入import tensorflwo as tf 时,就会报错,提示没有tensorflow模块,这是因为anaconda文件下的python.exe是3.6版本的,而你创建的conda环境是在anaconda下,而你安装的tensorflow在了conda环境下,不是在anaconda环境下,因此若是你要导入tensorflow,则需要把解释器选择为conda环境下的python.exe。方法选择Add loc原创 2020-06-30 22:31:38 · 1079 阅读 · 0 评论 -
Win10+Anaconda+Tensorflow2.0安装教程
安装说明:平台:windows版本:tensorflow2.0.0-alpha0(cpu版本)安装方式:pip一、安装环境Tensorflow2.0.0的CPU版本环境需求简单,安装比较简洁。TensorFlow是基于VC++2015开发的,所以需要下载安装VisualC++ Redistributable for Visual Studio 2015 来获取MSVCP140.DLL的支持。二、安装过程anaconda安装在anaconda安装不需要重新下一个python版本,只需要后面新转载 2020-06-26 23:23:36 · 799 阅读 · 0 评论 -
百度AI studio++Anaconda+ keras+scikit-learn+ Linux+tensorflow环境配置
环境配置:Miniconda问题:由于我之前直接在linux下的python进行pytorch的安装,这种情况只能在项目未关闭的情况下使用,但是当我第二天重启之后发现自动重置了,我之前安装的没了,因此下面我重新装了一个miniconda进行包管理,这样在下次重启之后不会被重置了。下载:wget -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.7.12.1-Linux-x86_64.sh安装:ba原创 2020-06-04 10:43:23 · 602 阅读 · 0 评论 -
百度AI studio+Anaconda+ Linux+PyTorch环境配置
安装Miniconda在项目未关闭的情况之下使用,项目会自动重置,所以安装Miniconda进行包管理,这样重启以后就不会被重置总体过程下载: wget -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.7.12.1-Linux-x86_64.sh安装: bash Miniconda3-4.7.12.1-Linux-x86_64.sh激活conda: source ~/miniconda3/bi原创 2020-06-02 22:06:07 · 915 阅读 · 0 评论