机器学习
程序媛爱学习
这个作者很懒,什么都没留下…
展开
-
机器学习实战——k-近邻算法
机器学习实战——k-近邻算法 我是在spyder上进行,主要记录我在学习中遇到的一些问题,有些也许很低级,但我希望可以通过这种方式进步,这也是我第一次写,有些不足之处也希望大家可以提出。 1.kNN模块的导入–import kNN Spyder上路径没选对,要选成kNN.py所在的文件夹位置 2.print的括号问题 Python2打印时可以不加括号:print ‘hello world’, P...原创 2019-07-24 09:16:18 · 121 阅读 · 0 评论 -
随机森林学习笔记1
from sklearn.ensemble import RandomForestClassifier 1.RandomForestClassifier() 参数 含义 n_estimators 森林中树木的数量,默认为10 criterion 衡量分割质量的函数,默认“基尼系数” max_depth 树深,整数或无 min_samples_split 分割内部节点所...原创 2019-08-08 14:47:36 · 433 阅读 · 0 评论 -
机器学习实战——决策树的构造
决策树的步骤:(西瓜书) 1.生成节点node 2.if 所有样本都是一个类别,则node为该类别 3.if 当前属性集合为空集,或者所有样本在属性集合中所有属性的取值相同,无法划分 4.剔除上面几种情况之后,选择最优划分属性进行划分,记最优属性为a* (如何选择?有几个度量标准:熵;信息增益;增益率;基尾指数) 5.for ai in a node以下生成对应分支, if 对应ai的取值集...原创 2019-08-08 14:49:34 · 283 阅读 · 0 评论 -
随机森林学习笔记2(含代码)
Task: 用随机森林训练出一个区分好坏图像的模型,计算accurancy 流程: 首先做的是cv2.imread()读入图像,读入的是BGR格式,应该是三个M x N的二维矩阵,分别表示各个像素的R、G、B三个颜色分量(见下图的x_test)。接着转化为灰度图像,灰度数字图像是每个像素只有一个采样颜色的图像,它是一个M x N的二维矩阵。然后由于手头用的是大小不同的图像,还要在进行统一大小。最后...原创 2019-08-10 16:01:28 · 497 阅读 · 0 评论