![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 65
weixin_45900734
这个作者很懒,什么都没留下…
展开
-
机器学习基础
逻辑回归 逻辑回归是解决二分类问题的利器 输入:ℎ(w)= w_0+w_1x_1+w_2x_2+…= w^Tx 与线性回归原理相同,但由于是分类问题,损失函数不一样,只能通过梯度下降求解 良/恶性乳腺癌肿瘤预测 import pandas as pd import numpy as np from sklearn.linear_model import LogisticRegression from sklearn.metrics import classification_report from sk原创 2021-04-07 21:08:37 · 69 阅读 · 0 评论 -
机器学习基础
决策树 文章目录决策树决策树简介代码分析随机森林 决策树简介 决策树思想的来源非常朴素,程序设计中的条件分支结构就是if-then结构,最早的决策树就是利用这类结构分割数据的一种分类学习方法 你如何去划分是否能得到贷款? ID3 信息增益 最大的准则 C4.5 信息增益比 最大的准则 CART 回归树: 平方误差 最小 分类树: 基尼系数 最小的准则 在sklearn中可以选择划分的原则 决策树API class sklearn.tree.DecisionTreeClassifier(cr原创 2021-04-04 14:28:42 · 54 阅读 · 0 评论 -
机器学习基础
K近邻算法 案例简介 Facebook案例实战:预测一个人会在哪个地方签到,使用K近邻算法进行聚类预测。程序员的任务是返回最可能的位置的排名列表。训练和测试数据集是根据时间划分的,测试数据中的公共/私人排行榜是随机划分的。 此数据集中没有人的概念。 所有row_id都是事件,而不是人 数据特征: row_id: id of the check-in event 标记事件的id x y: coordinates 用户的位置 accuracy: location accuracy 定位准确性 time: ti原创 2021-04-03 21:53:45 · 68 阅读 · 0 评论 -
机器学习基础
数据降维 1、特征选择是什么 特征选择就是单纯的从提取到的所有特征中选择部分特征作为训练集特征,特征在选择前和选择后可以改变值、也不改变值,但是选择后的特征维数肯定比选择前小,毕竟我们只选择了其中的一部分特征。 主要方法(三大武器):filter(过滤式):variance threhold;embedded(嵌入式):正则化、决策树;wrapper(包裹式) 2、sklearn特征选择API sklearn.feature_selection.VarianceThreshold variance thre原创 2021-04-02 17:53:03 · 53 阅读 · 0 评论 -
机器学习基础
机器学习算法基础 文章目录机器学习算法基础机器学习概述数据来源与类型数据的特征工程1 特征工程是什么2 特征工程的意义3 scikit-learn库介绍4 数据的特征抽取5 数据的特征处理6 数据的特征选择7 降维 机器学习概述 1、什么是机器学习 机器学习是从数据中自动分析获得规律(模型),并利用规律对未知数据进行预测 2、为什么需要机器学习 解放生产力,解决专业问题,提供社会便利 3、机器学习的应用场景 计算机视觉、自然语言处理、数据挖掘 数据来源与类型 1、数据来源 企业日益积累的大量数据(互联网公司原创 2021-04-01 21:31:23 · 50 阅读 · 0 评论 -
机器学习导论
一 大数据时代究竟改变了什么? 从三个方面改变了我们的思维方式 1 数据的重要性 数据资源---------数据资产(数据出现增值) 2 方法论 基于知识理论的完美主义---------基于数据的历史经验主义 翻译:你好吗 * 基于知识翻译:-----借助语言学家 * 你 you * 好 good * 吗 do * are you good? * are you well? * how are you? * 基于数据的翻译: * are you good? * are you well? * how ar原创 2021-03-30 14:04:09 · 66 阅读 · 0 评论