机器学习
文章平均质量分 93
机器学习
朝荣
好好学习,天天向上,顺利毕业,平安快乐!
展开
-
机器学习笔记(8)——数据预处理&特征工程
机器学习笔记(8)——数据预处理&特征工程1. 数据预处理1.1. 数据无纲量化1.2.缺失值1.3. 处理分类型特征1.4.处理连续型特征2. 特征选择2.1.过滤法fliter2.1.1方差过滤2.1.2卡方过滤2.1.3选取超参数K过滤2.1.4F检验过滤2.1.5互信息法过滤2.2.embedded嵌入法2.3.wrapper包装法原创 2022-05-20 13:39:35 · 1067 阅读 · 2 评论 -
机器学习笔记(7)——决策树&随机森林代码
机器学习笔记(7)——决策树&随机森林代码本文部分图片与文字来源网络或学术论文,仅供学习使用,持续修改完善中。目录机器学习笔记(7)——决策树&随机森林代码1、决策树python写决策树sklearn实现决策树分类器sklearn实现决策树回归器2、随机森林sklearn实现随机森林分类器sklearn实现随机森林回归器sklearn用随机森林回归填补缺失值1、决策树决策树(Decision Tree)是一种非参数的有监督学习方法...原创 2022-05-02 12:04:37 · 3212 阅读 · 0 评论 -
机器学习笔记(6)——线性回归&逻辑回归
1、线性回归西瓜书线性回归代码sklearn实现一元线性回归sklearn实现多元线性回归线性判别分析LDA2、逻辑回归损失函数sklearn实现逻辑回归鸢尾花数据集做逻辑回归原创 2022-05-01 18:40:52 · 1325 阅读 · 0 评论 -
机器学习笔记(5)——模型评价指标
机器学习算法评价指标:精确率、召回率、准确率、错误率、F1值、PR曲线、ROC曲线、AUC值原创 2022-01-04 12:42:22 · 3819 阅读 · 0 评论 -
机器学习笔记(1)——机器学习概述
机器学习笔记——机器学习概述 亚里士多德曾说过:“如果机器能干很多活,岂不能让人类解放出来。”人类一直试图让机器具有智能,也就是人工智能(Artificial Intelligence),一代一代的科学家研究者都在为人工智能的研究持之以恒的奋斗着。1956年的夏天,一场在美国达特茅斯(Dartmouth)大学召开的学术会议,多年以后被认定为全球人工智能研究的起点。2016年的春天,一场A...原创 2019-07-25 11:32:27 · 367 阅读 · 0 评论 -
机器学习笔记(2)——聚类之k-means算法
机器学习笔记(2)——聚类之Kmeans算法一、k-means算法介绍k-means算法是一种聚类算法,所谓聚类,即根据相似性原则,将具有较高相似度的数据对象划分至同一类簇,将具有较高相异度的数据对象划分至不同类簇。聚类与分类最大的区别在于,聚类过程为无监督过程,即待处理数据对象没有任何先验知识,而分类过程为有监督过程,即存在有先验知识的训练数据集。k-means算法是一种基于划分...原创 2019-08-03 16:18:38 · 1305 阅读 · 0 评论 -
机器学习笔记(3)——聚类之DBSCAN算法
机器学习笔记(3)——聚类之DBSCAN算法一、算法介绍DBSCAN,具有噪声的基于密度的聚类方法,是一种很典型的密度聚类算法,和K-Means,DBSCAN既可以适用于凸样本集,也可以适用于非凸样本集。DBSCAN算法的显著优点是聚类速度快且能够有效处理噪声点和发现任意形状的空间聚类。DBSCAN是基于一组邻域来描述样本集的紧密程度的,参数(ϵϵ, MinPts)用来描述邻域的样本...原创 2019-08-03 17:06:24 · 2277 阅读 · 0 评论 -
机器学习笔记(4)——聚类之层次聚类
机器学习笔记(4)——聚类之BIRCH一、算法介绍层次聚类(Hierarchical Clustering)是聚类算法的一种,通过计算不同类别数据点间的相似度来创建一棵有层次的嵌套聚类树。在聚类树中,不同类别的原始数据点是树的最低层,树的顶层是一个聚类的根节点。创建聚类树有自下而上合并和自上而下分裂两种方法。 层次聚类使用欧式距离来计算不同类别数据点间的距离(相似度)。 ...原创 2019-08-03 17:25:05 · 1765 阅读 · 0 评论