- 博客(8)
- 收藏
- 关注
RSS订阅原创 pyechart--Geo画地理位置散点图
①准备数据excel文件，数据格式如下（名称，经度，维度）：②代码实现库版本：import pandas as pd # 导入数据分析模块from pyecharts.charts import Geo # 导入地理信息处理模块from pyecharts import options as opts # 配置from pyecharts import make_snapshot # 快照from snapshot_selenium import snapshot
2022-04-28 17:12:18
1208
2
原创 05机器学习--多项式回归与模型泛化及python实现
①什么是多项式回归②scikit-learn中的多项式回归和Pipelin③过拟合与欠拟合④验证数据集与交叉验证⑤回顾网格搜索⑥偏差方差权衡⑦解决过拟合问题--模型正则化1--岭回归⑧解决过拟合问题--模型正则化2--LASSO回归
2022-04-21 20:16:06
2256
原创 04机器学习--主成分分析(PCA)与梯度上升法及python实现
①PCA概述一个非监督的机器学习算法 主要用于数据的降维 通过降维，可以发现更便于人类理解的特征 其他应用：可视化、去噪例如：一个二维的数据经过降维（保留其中一个维度，去除另一个维度，这里保留了特征）另一种降维方式比较容易看出第一种降维方案比较好，因为映射在x轴上的特征之间的距离相对较大，容易区分。第一种方案就是最好的方案吗？再看一种情况都映射到了一个轴上，这种方案所有的点更加趋近于原来的分布情况，这个时候的映射的区分度是最明显的，我们的目标就变.
2022-04-16 17:45:14
1851
3
原创 k-means算法及python实现
①概述一种无监督的聚类算法 核心目标：将给定的数据划分成k个簇 并且给出每个簇的中心点，即质心②具体步骤数据预处理：剔除离群点，数据归一化，数据标准化 初始化：随机选取k个中心点（第0次迭代） 定义损失函数：（样本点到聚类中心的距离） 4.迭代下列两步，直至损失函数收敛（t为迭代的步数）对每个样本，将其分配到距离最近的簇对每一个簇，重新计算他的聚类中心 （每个簇所有点的均值）③性能分析缺点：需要人工找出k值，未必符合真实数据分布 受初始值和离...
2022-04-13 13:29:23
2185
4
原创 03机器学习--梯度下降及python实现
①概述不是一个机器学习算法 是一种基于搜索的最优化方法 作用：最小化一个损失函数 梯度上升法：最大化一个效用函数思路：由上图可知，在损失函数上的某一个点，希望经过变化到达损失函数最小值点，所以对损失函数求导，导数代表函数增大的方向，为了让函数变小，所以在导数前面增加负号，又因为需要逐步靠近最低点，所以在导数前面增加了步长，逐步靠近导数为0的位置。下降的速度就是由决定称为学习率（learning rate） 的取值影响获得最优解的速度 的取值不合适，甚至得不到最优解 是梯度下降法
2022-04-12 22:26:37
3484
1
原创 02机器学习--简单线性回归及python实现
①概述机器学习的思路：找到一个模型（在线性回归中就是直线的参数）最大程度的拟合我们的数据，在线性回归中，这个模型就是一条直线，本质上是优化损失函数，获得机器学习。（可以说几乎所有的参数学习的算法都是这样一个套路），对于简单线性回归：（y是真值，ax+b是预测值）这是典型的最小二乘法问题：最小化误差的平方，最终可以计算出a，b...
2022-04-11 11:32:26
1472
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人