本文通过中国气象数据网2015年上海气象数据，演示了机器学习的一般应用过程，包括数据收集、清洗、特征工程和模型选择。使用了numpy、scipy和sklearn库。通过交叉验证避免过拟合，比较了Random Forest、Gradient Boost等分类器的性能，发现集成算法在默认参数下表现最优。强调了数据和特征选择的重要性，以及在实际应用中选择合适模型的必要性。
第一：计算机硬件
本例中只要普通的64位系统即可，使用的python的Anaconda，这个python平台的好处是已安装好经常使用的ML包，如sklearn和数据处理包，如numpy和scipy.
第二：机器学习平台
首先，本例中用到了数据处理包numpy对数据进行预处理，当然也可以直接使用scipy包，如果调用scipy就可以直接使用numpy，因为scipy是基于numpy的.
其次，在机器学习模型训练和参数选择时使用万能的sklearn库，里面包含了机器学习的最广泛使用的算法
第三：数据
step1：数据收集
网上有大量的免费数据和文本可以拿来使用，也可以自己简单生成或者是用sklearn的datasets的数据集，亦或是sklearn的make_regression来生成纯数据以及带有噪声的数据，本例中使用的是中国气象数据网2015年的上海的气象数据来让计算机学习上海这一年中的气温和一些因素的关系，即监督学习，其中Y是气温.
代码如下：
1 importnumpy as np2
3 W = ['C:\\Users\\123\\Desktop\\weather\\2015.txt',]4
5 weather = np. loadtxt ( W [0] , skiprows =1)6
7 weather[: ,7 ] = weather[: ,7 ] /10plt . figure ()8 plt . axis ([0 , 370 , -5, 40])9 plt . ylabel ("Temperatures")10 plt . xlabel
最低0.47元/天 解锁文章
1520
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
