Machine-learning
文章平均质量分 58
我是一只青蛙
这个作者很懒,什么都没留下…
展开
-
Machine Learning in Action(机器学习实战)之逻辑回归(Logistic Regression)算法学习笔记
1.学习环境 windows10 、Anaconda(向初学者推荐这个工具) + Pycharm2018 、python 3.7。2.Logistic回归概述2.1Logistic回归的一般过程 (1)收集数据:采用任意方法收集数据。 (2)准备数据:由于需要进行距离计算,因此要求数据类型为数值型。另外,结构化数据 格式则最佳。 ...原创 2019-04-14 21:02:43 · 397 阅读 · 0 评论 -
Machine Learning in Action(机器学习实战)之支持向量机(Support-Vector-Machines(SVM))算法学习笔记
1.学习环境 windows10 、Anaconda(向初学者推荐这个工具) + Pycharm2018 、python 3.7。2.Support Vector Machines概述2.1支持向量机优缺点 优点:泛化错误率低,计算开销不大,结果易解释。 缺点:对参数调节和核函数的选择敏感,原始分类器不加修改仅适用于处理二类问题。 适用数据类...原创 2019-04-25 19:34:30 · 756 阅读 · 0 评论 -
kaggle 旧金山犯罪案件分类预测
原 kaggle 旧金山犯罪案件分类预测 2018年07月01日 18:02:48 iam_emily 阅读数:1839 ...转载 2019-05-13 19:22:38 · 796 阅读 · 0 评论 -
kaggle入门之Digital Recognition(数字识别)
python 版本:python 3.71.获取数据2.分析train.csv数据 train.csv是训练样本集,大小42001*785,第一行是文字描述,所以实际的样本数据大小是42000*785,其中第一列的每一个数字是它对应行的label,可以将第一列单独取出来,得到42000*1的向量trainLabel,剩下的就是42000*784的特征向量集trainD...翻译 2019-04-18 19:26:48 · 1960 阅读 · 2 评论 -
Machine Learning in Action(机器学习实战)之K最近邻(k-Nearest Neighbor,KNN)分类算法学习笔记
本博客相关工程及数据文件:GitHub地址1.学习环境 windows10 、Anaconda(向初学者推荐这个工具) 中的IDE工具Spyder 、python 3.7。2.K-近邻算法概述 2.1.K-近邻算法工作原理 在训练集中数据和标签已知的情况下,输入测试数据,将测试数据的特征与训练集中对应的特征进行相互比较,找到训...原创 2019-03-09 15:11:55 · 392 阅读 · 0 评论