Python机器学习基础教程
文章平均质量分 82
拜读此书所整理的一些笔记与心得
调参侠鱼尾
编程小白多多指教!
展开
-
【Python机器学习基础教程】第三章第五节:聚类
聚类原创 2022-07-31 21:52:42 · 1085 阅读 · 0 评论 -
【Python机器学习基础教程】第三章第四节:降维、特征提取与流形学习
降维原创 2022-07-31 21:47:31 · 367 阅读 · 0 评论 -
【Python机器学习基础教程】第三章第三节:预处理与缩放
预处理与缩放原创 2022-07-31 21:44:00 · 507 阅读 · 0 评论 -
【Python机器学习基础教程】第三章:无监督学习与预处理
无监督学习与预处理原创 2022-07-31 21:35:54 · 499 阅读 · 0 评论 -
Python机器学习日记8:决策树
Python机器学习日记8:决策树一、书目与章节二、决策树1. 构造决策树一、书目与章节拜读的是这本《Python机器学习基础教程》,本文选自第2章“监督学习”第3节“监督学习算法中的决策树。本书全部代码:https://github.com/amueller/introduction_to_ml_with_python二、决策树应用场景:分类和回归本质:从一层层的if/else问题中进行学习,并得出结论运行第五行代码的时候可能会报错,需要先安装库graphvizimport mgle原创 2021-11-02 17:26:32 · 1710 阅读 · 1 评论 -
Python机器学习日记6:线性模型(用于分类的线性模型)
用于分类的线性模型线性模型也广泛应用于分类问题。1. 二分类二分类可以利用下面的公式进行预测:ŷ = w[0] * x[0] + w[1] * x[1] + … + w[p] * x[p] + b > 0这个公式看起来与线性回归的公式非常相似,但我们没有返回特征的加权求和,而是为预测设置了阈值(0)。如果函数值小于 0,我们就预测类别 -1;如果函数值大于 0,我们就预测类别 +1。对于所有用于分类的线性模型,这个预测规则都是通用的。同样,有很多种不同的方法来找出系数(w)和截距(b)。原创 2021-11-02 14:30:45 · 1669 阅读 · 0 评论 -
Python机器学习日记7:朴素贝叶斯分类器(持续更新)
Python机器学习日记——朴素贝叶斯分类器一、书目与章节二、3种朴素贝叶斯分类器三、优点、缺点和参数一、书目与章节拜读的是这本《Python机器学习基础教程》,本文选自第2章“监督学习”第3节“监督学习算法中的朴素贝叶斯分类器。二、3种朴素贝叶斯分类器朴素贝叶斯分类器是与上一节介绍的线性模型非常相似的一种分类器,但它的训练速度往往更快。这种高效率所付出的代价是,朴素贝叶斯模型的泛化能力要比线性分类器(如LogisticRegression 和 LinearSVC)稍差。朴素贝叶斯模型如此高效的原创 2021-11-01 15:31:04 · 1055 阅读 · 0 评论 -
Python机器学习日记4:监督学习算法的一些样本数据集(持续更新)
Python机器学习日记——监督学习算法的一些样本数据集一、书目与章节二、forge数据集三、wave数据集四、威斯康星州乳腺癌数据集五、波士顿房价数据集一、书目与章节拜读的是这本《Python机器学习基础教程》,本文选自第2章“监督学习”第3节“监督学习算法中的样本数据集介绍,其中包括:forge数据集、wave数据集、威斯康星州乳腺癌数据集、波士顿房价数据集。二、forge数据集import mglearnimport matplotlib.pyplot as plt# generate原创 2021-10-11 13:47:37 · 1801 阅读 · 0 评论 -
Python机器学习日记1:启航
Python机器学习日记——启航书目想对自己说的话书目我选择的是这本《Python机器学习基础教程》,是一本比较浅显易懂的入门级教程。想对自己说的话多充分利用课余时间学习和记录,每天进步一点点,希望自己可以坚持下去,一定会有收获!...原创 2021-09-27 11:25:33 · 151 阅读 · 0 评论 -
Python机器学习日记6:线性模型(用于回归的线性模型)
Python机器学习日记——线性模型一、书目与章节用于回归的线性模型最小二乘法用于分类的线性模型一、书目与章节拜读的是这本《Python机器学习基础教程》,本文选自第2章“监督学习”第3节“监督学习算法中的线性模型。本书电子版链接:https://pan.baidu.com/s/1MTPDFHeD6GVgMX4C_wOZPQ提取码:ut34用于回归的线性模型最小二乘法用于分类的线性模型...原创 2021-10-30 19:54:23 · 1591 阅读 · 0 评论 -
Python机器学习日记5:k邻近
Python机器学习日记——监督学习算法的一些样本数据集一、书目与章节二、k邻近三、k邻近分类1. 单一邻近2. 多邻近3. sklearn与k邻近4. 分析KNeighborsClassifier四、k邻近回归一、书目与章节拜读的是这本《Python机器学习基础教程》,本文选自第2章“监督学习”第3节“监督学习算法中的k邻近。二、k邻近k-NN算法是最简单的机器学习算法。构建模型只需要保存训练数据集即可。想要对新数据点作出预测,算法会在训练数据集中找到最邻近的数据点,也就是它的“最邻近”。三、原创 2021-10-13 23:38:16 · 684 阅读 · 0 评论 -
Python机器学习日记2:鸢尾花分类(持续更新)
Python机器学习日记——鸢尾花分类书目与章节软件及版本鸢尾花数据集导入库数据集介绍书目与章节拜读的是这本《Python机器学习基础教程》,本文选自第一章引言的1.7第一个应用:鸢尾花分类。软件及版本AnacondaPython: 3.8.8鸢尾花数据集导入库from sklearn.datasets import load_irisimport numpy as npimport pandas as pdiris_datas = load_iris()数据集介绍Iris原创 2021-10-01 17:16:03 · 3412 阅读 · 2 评论 -
Python机器学习日记3:监督学习(持续更新)
Python机器学习日记——鸢尾花分类一、书目与章节二、什么是监督学习1. 概念2. 类型3. 优缺点三、分类(classification)1. 目标2. 类型四、回归(regression)1. 目标2.一、书目与章节拜读的是这本《Python机器学习基础教程》,本文选自第2章“监督学习”第1节“分类与回归”。二、什么是监督学习1. 概念利用输入/输出对构成训练集/训练集和机器学习模型,来对全新数据做出准确预测的机器学习算法2. 类型分类 + 回归3. 优缺点通常需要用人力来构建训练原创 2021-10-10 17:57:40 · 725 阅读 · 3 评论