![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
算法
米米吉吉
宁可后悔 不留遗憾
展开
-
sklearn库简述-zstarling
划分数据集from sklearn.model_selection import StratifiedShuffleSplit 评估模型:用于计算真实值与预测值之间的预测误差from sklearn.metrics import accuracy_score, log_loss _score结尾的函数,返回值越大,效果越好;_loss结尾的函数,返回值越小,效果越好。K近邻分类器集(KNN算法)from sklearn.neighbors import KNeighborsClas原创 2023-05-25 11:37:54 · 150 阅读 · 0 评论 -
Scikit-Learn 三、模型选择与评估
详情见模型选择与评估原创 2021-04-26 10:39:19 · 90 阅读 · 0 评论 -
scikit-learn 一、监督学习
详情见监督学习原创 2021-04-26 10:38:26 · 116 阅读 · 0 评论 -
Scikit-Learn 五、数据集转换
详情见数据集转化原创 2021-04-26 10:38:14 · 120 阅读 · 0 评论 -
Scikit-Learn 二、无监督学习
详情见无监督学习原创 2021-04-26 10:38:06 · 114 阅读 · 0 评论 -
scikit-learn库
详情见scikit-learn原创 2021-04-26 10:37:50 · 52 阅读 · 0 评论 -
R-lasso 回归
数据读取data.fl <- read.csv(“D:\important APP\study\R\data1.csv”,header=T, encoding=“UTF-8”)names(data.fl)dim(data.fl)先做一个正常的回归看看效果fit.fl.lm <- lm(Prfmc~., data.fl)summary(fit.fl.lm)对X,Y赋值Y <- data.fl[,18]# extract YX.fl <- model.matrix(P原创 2021-03-22 23:46:17 · 1412 阅读 · 0 评论 -
数据分类之面板数据流程
原创 2021-03-10 11:09:34 · 568 阅读 · 0 评论 -
统计学 统计值判断标准
如果P<0.01,说明是较强的判定结果,拒绝假定的参数取值。如果0.01<P值<0.05,说明较弱的判定结果,拒绝假定的参数取值。如果P值>0.05,说明结果更倾向于接受假定的参数取值。原创 2021-03-09 23:49:17 · 3607 阅读 · 0 评论 -
回归分析分类
回归分析分为3类:线性回归原创 2021-02-23 15:57:35 · 1343 阅读 · 1 评论