![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
机器学习基础及算法
柚子树cc
但行好事 莫问前程
展开
-
[ML-04] Numpy-3
五、数组间的运算 1 数组与数的运算 arr = np.array([[1, 2, 3, 2, 1, 4], [5, 6, 1, 2, 3, 1]]) arr + 1 arr / 2 # 可以对比python列表的运算,看出区别 a = [1, 2, 3, 4, 5] a * 3 2 数组与数组的运算 arr1 = np.array([[1, 2, 3, 2, 1, 4], [5, 6, 1, 2, 3, 1]]) arr2 = np.array([[1, 2, 3, 4], [3, 4, 5, 6]]原创 2020-08-10 05:57:49 · 229 阅读 · 0 评论 -
[ML-04] Numpy-2
三、基本操作 1 生成数组的方法 1.1 生成0和1的数组 np.ones(shape, dtype) np.ones_like(a, dtype) np.zeros(shape, dtype) np.zeros_like(a, dtype) ones = np.ones([4,8]) ones 返回结果: array([[1., 1., 1., 1., 1., 1., 1., 1.], [1., 1., 1., 1., 1., 1., 1., 1.], [1., 1.,原创 2020-08-10 05:23:44 · 210 阅读 · 0 评论 -
[ML-04] Numpy-1
一、Numpy的优势 1 Numpy介绍 Numpy(Numerical Python)是一个开源的Python科学计算库,用于快速处理任意维度的数组。 Numpy支持常见的数组和矩阵操作。对于同样的数值计算任务,使用Numpy比直接使用Python要简洁的多。 Numpy使用ndarray对象来处理多维数组,该对象是一个快速而灵活的大数据容器。 2 ndarray介绍 NumPy provides an N-dimensional array type, the ndarray, which desc原创 2020-08-10 04:44:09 · 121 阅读 · 0 评论 -
[ML-03] Matplotlib-3
Matplotlib能够绘制折线图、散点图、柱状图、直方图、饼图。 我们需要知道不同的统计图的意义,以此来决定选择哪种统计图来呈现我们的数据。 1 常见图形种类及意义 折线图:以折线的上升或下降来表示统计数量的增减变化的统计图 特点:能够显示数据的变化趋势,反映事物的变化情况。(变化) api:plt.plot(x, y) 散点图用两组数据构成多个坐标点,考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。 特点:判断变量之间是否存在数量关联趋势,展示离群点(分布规律) a原创 2020-08-10 04:13:30 · 170 阅读 · 0 评论 -
[ML-03] Matplotlib-2
1 完善原始折线图 — 给图形添加辅助功能 为了更好地理解所有基础绘图功能,我们通过天气温度变化的绘图来融合所有的基础API使用 需求:画出某城市11点到12点1小时内每分钟的温度变化折线图,温度范围在15度~18度 效果: 1.1 准备数据并画出初始折线图 import matplotlib.pyplot as plt import random # 画出温度变化图 # 0.准备x, y坐标的数据 x = range(60) y_shanghai = [random.uniform(15, 18)原创 2020-08-10 03:44:15 · 161 阅读 · 0 评论 -
[ML-03] Matplotlib-1
1 什么是Matplotlib 是专门用于开发2D图表(包括3D图表) 以渐进、交互式方式实现数据可视化 2 为什么要学习Matplotlib 可视化是在整个数据挖掘的关键辅助工具,可以清晰的理解数据,从而调整我们的分析方法。 能将数据进行可视化,更直观的呈现 使数据更加客观、更具说服力 例如下面两个图为数字展示和图形展示: 3 实现一个简单的Matplotlib画图 — 以折线图为例 3.1 matplotlib.pyplot模块 matplotlib.pytplot包含了一系列类似于原创 2020-08-10 03:26:41 · 98 阅读 · 0 评论 -
[ML-02] 机器学习基础环境安装与使用
一、库的安装 整个机器学习基础阶段会用到Matplotlib、Numpy、Pandas等库,为了统一版本号在环境中使用,将所有的库及其版本放到了文件requirements.txt当中,然后统一安装 新建一个用于人工智能环境的虚拟环境 mkvirtualenv ai matplotlib==2.2.2 numpy==1.14.2 pandas==0.20.3 tables==3.4.2 jupyter==1.0.0 注意: 每个包安装的过程中,尽量指定稳定版本进行安装 使用pip命令安装 pip3 i原创 2020-08-10 01:12:37 · 482 阅读 · 0 评论 -
[ML-01] 机器学习概述-3
六、模型评估 模型评估是模型开发过程不可或缺的一部分。它有助于发现表达数据的最佳模型和所选模型将来工作的性能如何。 按照数据集的目标值不同,可以把模型评估分为分类模型评估和回归模型评估。 1 分类模型评估 准确率 预测正确的数占样本总数的比例。 其他评价指标:精确率、召回率、F1-score、AUC指标等 2 回归模型评估 均方根误差(Root Mean Squared Error,RMSE) RMSE是一个衡量回归模型误差率的常用公式。 不过,它仅能比较误差是相同单位的模型。 举原创 2020-08-10 00:54:52 · 130 阅读 · 0 评论 -
[ML-01] 机器学习概述-2
四、机器学习工作流程 1 什么是机器学习 机器学习是从数据中自动分析获得模型,并利用模型对未知数据进行预测。 2 机器学习工作流程 机器学习工作流程总结 1.获取数据 2.数据基本处理 3.特征工程 4.机器学习(模型训练) 5.模型评估 结果达到要求,上线服务 没有达到要求,重新上面步骤 2.1 获取到的数据集介绍 数据简介 在数据集中一般: 一行数据我们称为一个样本 一列数据我们成为一个特征 有些数据有目标值(标签值),有些数据没有目标值(如上表中,电影类型就是这个数据集原创 2020-08-10 00:26:59 · 153 阅读 · 0 评论 -
[ML-01] 机器学习概述-1
一、人工智能概述 1 人工智能应用场景 2 人工智能小案例 案例一: 参考链接:https://quickdraw.withgoogle.com 案例二: 参考链接:https://pjreddie.com/darknet/yolo/ 案例三: 查看更多:https://deepdreamgenerator.com/ 3 人工智能发展必备三要素: 数据 算法 计算力 CPU,GPU,TPU 计算力之CPU、GPU对比: CPU主要适合I\O密集型的任务 GPU主要适合计算密集型任原创 2020-08-09 23:54:39 · 1104 阅读 · 0 评论