- 博客(6)
- 收藏
- 关注
RSS订阅原创 Python底层代码实现 K-近邻（K-Nearest Neighbor, KNN）算法
1. 介绍K近邻(K-Nearest Neighbor，KNN)学习是一种常用的监督学习方法，其工作机制非常简单：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k 个训练样本，然后基于这k 个" 邻居"的信息来进行预测。其具体原理及相关介绍请参考我的另一篇文章：https://blog.csdn.net/weixin_43585050/article/details/107880091直接上代码。2. 代码实现本例以鸢尾花数据集为例，进行KNN的分类。import numpy as np
2020-08-17 15:14:17
535
原创 Python数据集处理之数据归一化底层代码实现
1. 介绍数据归一化大致分为两种，一种是最值归一化，一种是均值方差归一化。本文根据计算公式对其进行归一化处理。具体相关介绍及模块化代码实现请参考：https://blog.csdn.net/weixin_43585050/article/details/1079008112. 最值归一化2.1 公式2.2 代码实现import numpy as npnp.set_printoptions(suppress=True)from sklearn.datasets import load_ir
2020-08-17 10:27:18
2519
原创 Python数据集处理之数据归一化原理介绍及模块化代码实现
1. 什么是归一化在现实生活中，我们采集到的数据会由于含义的不同，导致数据之间差别很大，例如采集车辆行驶信息时，车辆的速度、油门踏板深度、方向盘转角等都不在一个数量级，如果直接对这些原始数据进行分析，那么往往会影响最后数据分析的结果。通常我们将车辆速度这些变量称为评价指标，不同的评价指标之间往往具有不同的量纲，为了消除指标之间量纲的影响，需要进行数据归一化处理，原始数据经过数据归一化处理后，各指标处于同一数量级，适合进行综合对比评价。通常进行归一化的方法有两种：（1）最值归一化。（2）均值方差归一化1
2020-08-17 09:36:43
11988
原创 Python数据集处理之train_test_split模块化实现
本文只列出代码，关于train_test_split的相关介绍，请参考https://blog.csdn.net/weixin_43585050/article/details/107885805from sklearn.model_selection import train_test_splitfrom sklearn.datasets import load_iris# 加载鸢尾花数据集iris = load_iris()# 调取鸢尾花样本集X = iris.data# 调取鸢尾花样本
2020-08-09 21:33:22
506
原创 Python数据集处理之train_test_split底层代码实现
1. 数据集切分我们在对数据进行机器学习之前，首先做的就是要对数据集进行划分，一部分作为训练集，一部分作为测试集。通常情况下，训练集的数量要大于测试集的数量，大概占到总数据集的70%到80%。同样的，对样本的类别标签也要进行划分。2. 代码实现2.1 定义函数import numpy as np# 定义数据集切分函数，X为样本，y为样本所对应的类别标签，test_size为划分比例，random_state为随机种子def train_test_split(X, y, test_size=0.
2020-08-08 21:32:41
1325
1
原创 K-近邻（K-Nearest Neighbor, KNN）分类原理及相关公式
本文为作者学习相关理论及参考相关书籍和网络分享所做的整理总结，部分内容来源于相关书籍和网络分享，仅限于学习交流，若有侵权，请告知删除。
2020-08-08 20:25:10
5313
将可复制的PDF文件转化为不可复制的PDF文件，提高文件的私密性
2023-02-18
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人