机器学习
文章平均质量分 79
胖猪也很努力
只是个学生罢了
展开
-
【机器学习】超参数问题
【机器学习】超参数问题超参数概念调参这个问题是所有算法工程师所面临的问题。在不同情况,不同领域时参数可能是不同的,还有很多经验数值会被人类采用。例如KNN的K为5这就是经验数值,尝试测试不同的超参数,得到效果最好的K的值,来用于模型。简单的调参过程import numpy as npimport matplotlib as mplimport matplotlib.pyplot as pltfrom sklearn import datasetsfrom sklearn.model_sele原创 2020-11-07 18:14:28 · 436 阅读 · 0 评论 -
【机器学习】如何判断算法的性能
【机器学习】如何判断算法的性能如何判断算法的性能将原始数据分为两部分,一部分为训练数据,一部分为测试数据,让测试数据来经行预测,来判断训练出来的模型是怎样的。测试我们算法实例:import numpy as npimport matplotlib as mplimport matplotlib.pyplot as pltfrom sklearn import datasetsiris = datasets.load_iris()X = iris.datay = iris.tar原创 2020-11-07 18:12:59 · 785 阅读 · 0 评论 -
【机器学习】
【机器学习】KNN —k近邻算法的学习算法介绍 这个算法适合机器学习初学者的算法,基本没有任何的数学知识,在机器学习中有很好地效果,能够解释很多机器学习中的问题,更完整的刻画机器学习的算法应用,同样也有很多缺点。 如图,当新的数据来到时,将数新的数据与原有数据进行比较,选取其最近的K 个原有数据来进行比较,通过比较的结果来判断该点的分类情况。该算法首先能解决的就是监督学习中的分类问题,当然回归问题也可得到解决。举例在这里的数据集是根据学习视频里编写的假的数据集,具体思路根据代码中的注释来原创 2020-11-07 18:11:50 · 170 阅读 · 0 评论 -
【机器学习】matplotlib基础
【机器学习】matplotlib基础曲线图通过画图来学习对应的语法,简单的正余弦函数来具体作用写在备注里代码直接可以用复习!import matplotlib.pyplot as pltimport numpy as npx = np.linspace(0,10,100)y = np.sin(x)plt.plot(x,y)cosy = np.cos(x)plt.plot(x,cosy,color = "red",linestyle = "--")#这里color可以用来设置颜色,同时原创 2020-11-07 18:10:40 · 166 阅读 · 0 评论 -
【机器学习】numpy.array中的运算
【机器学习】numpy中的运算(内有补充的内容)矩阵的运算乘法import numpy as npimport arrayn = 10L = [i for i in range(n)]print(L)#乘法,不能是2*L,这个是将L中的两个元素首尾相接起来。print(2*L)A = []for e in L: A.append(2*e)print(A)在数组的乘法中使用循环的方式对数组中的每个元素进行相乘!采用numpy。array来进行计算,可以看出来运行速原创 2020-11-07 18:09:00 · 506 阅读 · 0 评论 -
【机器学习】numpy.array中的运算
【机器学习】numpy.array中的运算矩阵的运算乘法import numpy as npimport arrayn = 10L = [i for i in range(n)]print(L)#乘法,不能是2*L,这个是将L中的两个元素首尾相接起来。print(2*L)A = []for e in L: A.append(2*e)print(A)在数组的乘法中使用循环的方式对数组中的每个元素进行相乘!采用numpy。array来进行计算,可以看出来运行速度快!原创 2020-11-03 16:29:35 · 354 阅读 · 0 评论 -
【机器学习】基础库的学习
【机器学习】基础库的学习一、numpy基础常使用的方法import numpy as npprint(np.__version__)numpy常定义的方法,通过version来查看其版本号python list的特点创建列表简单,在列表中可以不是数,列表中的元素可以是对应的字符串!虽然相对灵活,但是效率就会低下,在运行时判断是什么类型L = [i for i in range(10)]print(L)print(L[5])L[5] = "Machine Learning"p原创 2020-11-03 16:08:55 · 114 阅读 · 0 评论