- 博客(5)
- 收藏
- 关注
RSS订阅原创 决策树分类器实验（中）
在上一个实验中我们绘制了判断是否能录取的决策树，并对录取结果进行预测，但是我们上次的实验所用的训练数据和测试数据都是离散型的，如果换成连续型的，该怎么利用决策树去解决呢，我们用鸢尾花的数据来进行测试，具体用到的是鸢尾花的花瓣宽度来测试，...
2021-10-10 19:03:13
348
原创 决策树分类器（上）
我们之前学习了knn分类器，贝叶斯分类器，今天来学习一种新的模型，决策树分类器决策树分类器，顾名思义是利用树形结构进行多次判断，从而达到分类的目的，我们先来看示例一，判断是否能通过面试第一步我们先要生成决策树，现在有三列数据，1.是否为985 2.学历 3.技能，我们生成决策树时，要先对这些条件信息进行求熵值，若熵值最小则证明，波动性较小，信息更稳定，可信度更高，因此要先进行求熵，在求熵时，需要提出每一列的数据，因此我们要先得到每一列数据的编号，可以利用X.sh...
2021-10-05 12:02:31
516
原创 鸢尾花分类预测实验（机器学习）
鸢尾花数据集的分类预测实验是机器学习最经典的案例之一，通过模型的训练，对于大量的鸢尾花数据集的学习，可以识别出新的鸢尾花是什么类型，继而完成预测和分类鸢尾花的分类和预测大概分为如下几个步骤（1）准备训练数据 （2）切分数据集 （3）数据归一化/标准化（对其正态分布转化）（4）对数据集的训练和预测（多轮交叉验证） （5）1 准备训练数据#鸢尾花数据集加载iris=datasets.load_iris()X=iris.data[:,2:]#数据采用花瓣长和宽...
2021-09-12 17:58:48
6930
1
原创 算法日记（2021/9/9）
格式问题很重要：%f 实数 %d整数实例：#include<stdio.h>int main(){printf("%.1f",8.2/2); } 结果为4.1再看示例：#include<stdio.h>int main(){printf("%.1f",8/2); } 结果为0.0 因为格式原因，本来应该是整数的，格式符却写成了%.1f正确形式应该是#include<stdio.h>int main()...
2021-09-11 21:03:14
253
2
原创 train_test_split的用法（机器学习）
机器学习中对于数据的随机划分train_test_split的引用：from sklearn.model_selection import train_test_split例如：import numpy as npfrom sklearn.model_selection import train_test_splitX,y=np.arange(10).reshape((5,2)),rangeX=np.array([[0,1],[2,3],[4,5],[6,7],[8,9]])y=.
2021-09-03 17:46:37
2472
1
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