- 博客(10)
- 收藏
- 关注
RSS订阅原创 python中计时方法
import timetic = time.time()#time.sleep(5)(此行可以换成需要计时的模块)toc = time.time()shijian = toc-ticprint(shijian)
2020-05-31 22:10:44
17300
原创 单位向量法三维故障散点图的画法
import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom matplotlib.colors import ListedColormapfrom sklearn.preprocessing import StandardScalerfrom sklearn.datasets import make_moons,make_circles,make_classificationfrom sklearn.neig
2020-05-31 19:53:28
453
原创 通过原数据集实现产生任意个任意数据量大小的子集
import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom matplotlib.colors import ListedColormapfrom sklearn.preprocessing import StandardScalerfrom sklearn.datasets import make_moons,make_circles,make_classificationfrom sklearn.nei.
2020-05-24 16:45:18
187
原创 使用lightgbm进行故障诊断
import pandas as pdfrom sklearn.model_selection import GridSearchCVimport lightgbm as lgbfrom sklearn.metrics import f1_scorefrom sklearn.feature_extraction.text import TfidfVectorizerfrom sklearn.datasets import make_classificationimport numpy as np
2020-05-23 11:46:30
809
原创 打印机器学习算法的具体参数
使用print查到参数后可使用相关方法优化from sklearn import datasetsfrom sklearn.model_selection import train_test_split,cross_val_scorefrom sklearn.linear_model import LogisticRegressionfrom sklearn.naive_bayes import GaussianNBfrom sklearn.ensemble import RandomFores
2020-05-23 11:45:33
381
原创 各算法决策边界的画法
未对难区分故障进行增加import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom matplotlib.colors import ListedColormapfrom sklearn.preprocessing import StandardScalerfrom sklearn.datasets import make_moons,make_circles,make_classificationfrom
2020-05-23 09:27:20
1810
1
原创 寻找列表或一维数组中出现次数最多的元素
寻找列表或一维数组中出现次数最多的元素import numpy as npdef toupiao(data): #定义一个函数 dict1 = {} #建立一个空字典 if type(data) is list:#判断数据类型，若为列表直接下一步 s = set(data)#去除重复元素后，看数据有哪些值 for i in s: j = data.count(i)#计算每个元素数目 dict1[
2020-05-22 20:49:46
635
原创 贝叶斯优化文摘
相关调参算法机器学习即机器通过某种算法学习数据的计算过程，学习得到的模型本质上是一些列数字，如树模型每个节点上判断属于左右子树的一个数，或者逻辑回归模型里的一维数组，这些都称为模型的参数。那么定义模型属性或者定义训练过程的参数，我们称为超参数，超参数的选择对模型最终的效果有极大的影响。如复杂的模型可能有更好的表达能力来处理不同类别的数据，但也可能因为层数太多导致梯度消失无法训练，又如learning rate过大可能导致收敛效果差，过小又可能收敛速度过慢。机器学习模型超参数调优一般认为是一个黑盒优化问题
2020-05-16 09:50:11
523
转载 屏蔽python运行时产生的FutureWarning信息
屏蔽python运行时产生的FutureWarning信息import warningswarnings.filterwarnings("ignore")
2020-05-14 23:49:48
4265
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