机器学习
scikit learn中的机器学习算法
微凉.@_@
这个作者很懒,什么都没留下…
展开
-
使用paddleocr进行文字识别
paddleocr文字识别原创 2023-05-11 09:38:32 · 521 阅读 · 0 评论 -
PyTorch自定义方法(1、读取数据集2、划分批次3、显示图片4、数据预处理)
二、自定义方法(1、读取数据集2、划分批次3、显示图片4、数据预处理)并验证1、读取数据集3、定义显示批次图片函数:显示的图片(第一批次):三、自定义对比损失函数–>CrossEntropy()四、TSNE可视化可视化2d图片:可视化3d图片:训练过程:原创 2023-04-03 15:28:46 · 173 阅读 · 0 评论 -
IOU 和 NMS
iou和nms原创 2023-03-12 21:15:59 · 96 阅读 · 0 评论 -
使用opencv和face_recognition进行人脸识别
使用opencv和face_recognition进行人脸识别原创 2023-01-31 21:35:45 · 264 阅读 · 0 评论 -
卷积和池化
卷积和池化原创 2022-12-13 23:12:57 · 71 阅读 · 0 评论 -
pytorch实现森林植被数据集分类(7分类)
pytorch实现森林植被数据集分类(7分类)原创 2022-12-04 17:47:58 · 1526 阅读 · 2 评论 -
pytorch实现泰坦尼克号生存预测
pytorch实现泰坦尼克号生存预测原创 2022-12-03 21:14:29 · 775 阅读 · 0 评论 -
pytorch实现银行卡忠诚度预测(手写)
pytorch实现银行卡忠诚度预测(手写)原创 2022-11-30 23:28:13 · 108 阅读 · 0 评论 -
pytorch数据批次的大小对模型拟合效果的影响
pytorch数据批次的大小对模型拟合效果的影响原创 2022-11-30 15:24:28 · 310 阅读 · 0 评论 -
pytorch实现逻辑回归
利用pytorch实现逻辑回归原创 2022-09-16 22:46:52 · 310 阅读 · 0 评论 -
pytorch实现线性回归
利用pytorch实现线性回归。原创 2022-09-16 22:41:49 · 200 阅读 · 0 评论 -
PyTorch MNIST手写字体识别
利用pytorch实现MNIST手写字体识别。原创 2022-09-16 22:32:34 · 571 阅读 · 0 评论 -
数据预处理
一、标准化:将每个特征做均值为0,标准差为1处理。import numpy as npimport pandas as pdimport sklearn.preprocessing as psa = np.array([[17,100,4000], [20,80,5000], [23,75,5500]])one_process = ps.scale(a)print(one_process )二、范围缩放:将整列数据缩放到某个范围之间。原创 2021-11-22 17:35:31 · 1673 阅读 · 2 评论 -
决策树回归模型中树的深度对拟合效果的影响验证
1.构造训练数据(80个)from sklearn.tree import DecisionTreeRegressorimport numpy as npimport matplotlib.pyplot as plt rng = np.random.RandomState(0) #随机数种子X = np.sort(rng.rand(80,1)*5,axis=0) #创建xy = np.sin(X).ravel() #创建y ravel()函数:降维,此处将二位数组转换为一维原创 2021-09-29 22:05:34 · 1095 阅读 · 0 评论 -
信息熵与信息增益
信息值:可以简单理解为信息的价值,发生概率越小的信息,它的信息值越大,发生概率越大的信息,它的信息值就越小。信息值的表达式为:k(xi) = -log(p(xi),2)#下面演示信息值与概率之间的关系import matplotlib.pyplot as pltfrom math import logimport pandas as pdx = [i/100 for i in range(1,101)] #构造1/100到1之间的概率xy = [-log(i,2) for i原创 2021-08-21 01:00:41 · 432 阅读 · 1 评论 -
机器学习总结
有监督学习: 决策树、线性模型(线性回归、逻辑回归)、k-近邻、贝叶斯、线性判别(LDA)无监督学习: 降维、聚类强化学习: 策略迭代、价值迭代、蒙特卡罗算法、时序差分算法分类算法: 决策树、逻辑回归、k-近邻、支持向量机、朴素贝叶斯、回归预测算法: 线性回归、支持向量机、BP神经网络、逻辑回归算法: 逻辑回归(Logistic regression,简称LR)虽然其中带有"回归两个字,但逻辑回归其实是一个分类模型,并且广泛应用于各个领域之中。虽然现在深度学习相原创 2021-07-28 14:58:25 · 393 阅读 · 0 评论 -
贝叶斯算法
贝叶斯算法贝叶斯算法是机器学习中一个重要分支,在较小的数据集中分类效果非常好,而且它的原理也比较简单。贝叶斯算法基础知识:贝叶斯算法的基础知识主要是概率论,比如概率、条件概率、联合概率等。贝叶斯定理:P(A|B) = P(A)P(B|A) / P(B)import pandas as pddocuts = [["菜品","很","一般","不","建议","在这","消费"], ["老板","很","闹心","坑人","建议","去","别家"],原创 2021-06-15 18:21:36 · 2200 阅读 · 0 评论 -
k-最近邻算法
K最近邻算法:K最近邻(K-Nearest-Neighbour , KNN)算法是比较基础的分类算法,易于理解,其核心思想就是距离的比较,即谁离得近就归类与谁。两点间距离公式:d = np.sqrt((x1 - x2)**2 + (y1 - y2)**2)代码实现:首先画出数据集data1和data2的每个点。(三种方法处理数据:1、for循环,2、pandas模块,3、numpy模块)1、for循环:import matplotlib.pyplot as pltimport numpy原创 2021-06-15 17:47:23 · 341 阅读 · 0 评论 -
工业蒸汽预测并计算均方误差
全部代码from sklearn.model_selection import train_test_split #训练集和测试集划分import pandas as pdimport statsmodels.api as smimport numpy as npimport matplotlib.pyplot as plt#导入数据df = pd.read_csv('D:/train.txt',sep='\t')print(df.head())#查看数据的缺失情况,经确认并没有缺失原创 2021-04-17 12:29:59 · 231 阅读 · 0 评论 -
贝叶斯算法文本分析
文本情感分析:情感分析(Sentiment Analysis)是一种常见的自然语言处理(NLP)方法的应用,它是对带有情感色彩的主观性文本进行分析、处理、归纳和推理,利用一些情感得分指标来量化定性数据的方法。在自然语言处理中,情感分析属于典型的文本分类问题,即把需要进行情感分析的文本划分为其所属类别。文本情感分析的应用非常广泛,如用户在购物网站、旅游网站、电影评论网站上发表的评论分成正面评论和负面评论。需求:本次实验内容为从豆瓣网随机收集电影、音乐或书籍相关评论数据,收集的数据包含文本评论和对应的星级原创 2021-06-05 18:08:56 · 964 阅读 · 2 评论