机器学习
风火编程
python代码应力求简洁高效, 兼顾可读性.
博文章大致可以分为:
1. 总结性的
以功能为导向, 总结工作中实现某一功能可以使用的方法.
2. 勘误性的
试图纠正流行博客中的错误, 不要让转载变成传播错误.
3. 优化性的
主要从简洁和效率两方面考虑,优化一些网络上的代码
从事python开发工作五年之后总结和分享从入门开始的笔记.时刻铭记python是开源的.
QQ &&微信: 77245741
展开
-
stable-diffusion项目环境配置
stable-diffusion环境安装原创 2023-03-10 23:24:45 · 2047 阅读 · 0 评论 -
风火编程--手势识别相关
手势识别基本用法, 获取手的特征值原创 2022-09-19 19:19:08 · 175 阅读 · 0 评论 -
风火编程--win10安装tensorflow2+keras环境
win10安装tensorflow2+keras环境有人可能运气很好, 用pip install 全部一次性直接安装通过.但是有人却不能.尤其是当你的windows曾经安装过其他版本的环境时, 有可能因为本版本的不兼容, 甚至卸载的残留导致安装出错,或者安装后不能正常运行的情况. 在踩坑之后我想我有必要做一些必要的记录.python版本问题使用Anaconda集成环境, 使用python3.6.0Anaconda版本问题使用Anaconda3-4.3.0.1tensorflow版本问题使用原创 2021-01-08 16:17:48 · 132 阅读 · 0 评论 -
风火编程--win10安装pytorch1.4.0
win10安装pytorch1.4.01. 下载安装文件百度网盘: 链接:https://pan.baidu.com/s/1dTLNgAlMqZ0lr0C4uYBmsQ提取码:7z6i直接下载解压, 如果网盘链接失效可以联系我更新, 也可以CSDN下载,0C币.https://download.csdn.net/download/weixin_42620314/136871862. 在当前目录呼出cmd地址栏输入cmd回车即可3. 执行安装命令pip install torchvision原创 2020-12-14 18:23:35 · 242 阅读 · 1 评论 -
机器学习之支持向量机
支持向量机描述用于处理二分类问题, 对于二维线性可分的问题, 寻找一条分割线, 使得支撑向量到分割线的距离尽可能的大. 对于线性不可分的问题, 则首先将样本特征映射到更高唯独, 再寻找一个超平面,使得支撑向量到超平面的距离尽可能的小. 通过核函数得展开达到这一目的. 常用的核函数有线性核, 多项式核, 高斯核....原创 2019-12-03 23:27:32 · 110 阅读 · 0 评论 -
风火编程--机器学习之标准化和归一化
标准化和归一化标准化描述把数据缩放到指定的范围之内.接口from sklearn.preprocessing.scaleX = scale(X)# 分别处理Xtrain和X_testfrom sklearn.preprocessing import MinMaxScaler ss = MinMaxScaler((0, 1))ss.fit(X_train)X_train = s...原创 2019-03-23 20:38:28 · 228 阅读 · 0 评论 -
风火编程--机器学习之逻辑回归LogisticRegression
逻辑回归描述根据杨本特征 计算样本发生的概率,再通过sigmoid函数去线性分类(大于0.5为1, 小于0.5为0).要点实现import numpy as npimport matplotlib.pyplot as pltfrom sklearn import datasetsfrom sklearn.model_selection import train_test_split...原创 2019-01-23 17:28:39 · 272 阅读 · 0 评论 -
风火编程--机器学习之主成分分析(PCA)
主成分分析PCA第一主成分# coding: utf-8import numpy as npimport matplotlib.pyplot as pltX = np.empty((100, 2))X[:, 0] = np.random.uniform(0., 100., size=100)X[:, 1] = 0.75*X[:, 0] + 3. + np.random.norma...原创 2019-01-23 01:13:58 · 282 阅读 · 0 评论 -
风火编程--机器学习之线性回归LinearRegression
机器学习算法–线性回归描述建立目标值=权重*特性值相加…>>通过x_train求得predict_y,损失loss =E((y_train-y_predic)**2),通过训练获取损失函数J(w)=E((y_predict-y_train)**2)/m的最小值, 方法是取J导数为0的极值点R^2&lt原创 2019-01-16 14:37:10 · 295 阅读 · 0 评论 -
风火编程--机器学习之k近邻(knn)
机器学习算法–k近邻描述根据距离(欧拉距离,曼哈顿距离等)最近的k个样本进行类别的投票, 票数最高的类别. 认为是该样本的类别是所属类别. k值可以通过网格搜索确定,过小容易受异常点影响,泛化能力弱, 过大会削弱距离的作用效率低,不具有可解释性,维度灾难(距离随维度的升高迅速变大),需要pca降维. 需要进行归一化处理.适用于样本数量不大的训练集, 没有可解释性要求的场景.python实...原创 2019-01-16 12:12:50 · 246 阅读 · 0 评论 -
风火编程--机器学习之通过定义求导(求梯度)
通过定义求导描述通过定义求取损失函数的导数, 速度慢, 一般用于校验导数公式的结果是否正确.不受损失函数的形式限制.实现import numpy as npnp.random.seed(555)X = np.random.random(size=(1000, 10))X_b = np.hstack([np.ones([len(X), 1]), X])true_theta = n...原创 2019-01-21 17:22:41 · 321 阅读 · 0 评论 -
风火编程--机器学习之集成学习
集成学习Voting综合多个模型的预测结果进行投票作为最终的预测结果VotingClassifierVotingRegressor接口from sklearn import datasetsfrom sklearn.ensemble import VotingClassifierfrom sklearn.linear_model import LogisticRegression...原创 2019-01-26 13:02:32 · 484 阅读 · 0 评论 -
风火编程--机器学习之梯度下降
梯度下降描述批量梯度下降法: 沿梯度(斜率最大的向量)方向下降相应步长,稳定性好,但在计算大量数据时耗时多.随机梯度下降法: 沿随机的向量方向下降相应的步长, 精度略低,采用递减的学习率, 效率高.更容易跳出局部最优找到全局最优解.小批量梯度下降法是两者的结合适用于特征和目标值之间具有线性关系的场景批量梯度下降法实现import numpy as npnp.random.seed(...原创 2019-01-21 15:03:39 · 222 阅读 · 0 评论 -
风火编程--机器学习之绘制单特征拟合曲线, 学习曲线
绘制单特征拟合曲线def curve_plot(X, y_predict): """ 绘制单个特征的拟合曲线 :param X: 特征, X[:, 0]是取X的一次项 :param y_predict: 拟合结果 :return: """ plt.scatter(X, y) plt.plot(np.sort(X[:, 0]), y_...原创 2019-01-20 19:27:25 · 559 阅读 · 0 评论 -
风火编程--机器学习之决策树
决策树描述在每个节点进行判断, 对不满足条件的样本进入下一层判断.用来解决多分类问题,具有良好的可解释性.设信息熵初始值为无穷大.遍历每个特征,嵌套遍历每两个样本该特征的值(不相等的)的中间值为分割点,计算此时的信息熵, 如果信息熵小于原值,则重新赋值给信息熵.这样获取第一次分割的x,y,使得该次分割后的信息熵(基尼系数)最小.对分割后的两部分信息熵(基尼系数)不为零的继续进行分割. 剪枝防...原创 2019-01-25 00:54:45 · 192 阅读 · 0 评论 -
风火编程--机器学习之模型评价
模型评价回归模型描述MAE: 预测值与真值的差的绝对值再求平均.MSE: 预测值与真值的差的平方再求平均.RMSE: 预测值与真值的差的平方和再求平方根.R2: 1 - MSE/真值的方差r2 = 1 - (y_test-y_predict).dot((y_test-y_predict))/len(y_test)/np.var(y_test)接口MSE from sklearn...原创 2019-01-24 13:23:55 · 227 阅读 · 0 评论 -
风火编程--机器学习之二分类模型处理多分类问题
使用二分类模型处理多分类问题描述OvR: 递归将一个类别与其余类别看做二分类问题处理, 时间复杂度为nOvO: 对样本类别进行两两组合, 再一次进行二分类, 再对所有分类结果进行投票.接口from sklearn.multiclass import OneVsOneClassifierovo_clf = OneVsOneClassifier(clf)...原创 2019-01-23 22:28:38 · 900 阅读 · 0 评论 -
风火编程--机器学习之绘制决策边界
绘制决策边界import numpy as npimport matplotlib.pyplot as pltfrom sklearn import datasetsfrom sklearn.model_selection import train_test_splitiris = datasets.load_iris()X = iris.datay = iris.targetX...原创 2019-01-23 20:35:45 · 636 阅读 · 0 评论