机器学习算法python实现
文章平均质量分 87
清风一起
这个作者很懒,什么都没留下…
展开
-
Python实现线性回归算法,只使用python中的pandas和numpy库
这一篇来介绍以下最简单的模型就是线性回归,这是很多机器学习的起步算法,虽然简单,但是通过Python最基础的数据结构去实现,只是用基础的库包去实现,有利于提高我们的编程能力,接下来让我们一起来编写代码。当然,你想要读懂以下内容,你需要学习过Python基础,并有认识机器学习的一些基础概念,如目标函数、标准化、过拟合、梯度下降、评价指标等。也许你也可以在阅读过程中一步一步去认识它们。线性回归就是用一条线来解释自变量与因变量之间的关系。目标函数最小二乘法和梯度下降法。原创 2024-07-16 15:41:33 · 848 阅读 · 0 评论 -
Python实现逻辑回归算法,只使用python中的pandas和numpy库
只使用最基础的python语言,只是用基础的库包去实现机器学习算法,有助于读者理解各机器学习算法的原理,以及算法实现的整个步骤。这期带来逻辑回归(Logistic)算法的实现。希望通过基础的python代码去实现机器学习算法去提高我们的编程能力希望通过代码的一步步的实现,来领会整个算法实现过程。Logistic Regression 虽然被称为回归,但其实际上是分类模型,并常用于二分类第一,逻辑回归与线性回归的区别。原创 2024-07-16 14:29:35 · 859 阅读 · 0 评论 -
Python实现K-means聚类算法,只使用python中的pandas和numpy库
只使用最基础的python语言,只是用基础的库包去实现机器学习算法,有助于读者理解各机器学习算法的原理,以及算法实现的整个步骤。这期带来K-means聚类算法的实现。k-means是一种最流行的聚类算法,属于无监督学习 ,可以在数据集分为相似的组(簇),使得组内数据相似度较高,组间之间的相似度较低。从样本中选择k个点作为初始簇中心。计算每一个样本到各个簇中心的距离,将样本划分到距离最近的簇中心所对应的簇中根据每个簇中的所有样本,重新计算簇中心,并更新。原创 2024-07-14 23:05:10 · 265 阅读 · 0 评论 -
Python实现KNN算法,只使用python中的pandas和numpy库
其核心思想是如果一个样本在特征空间中的K个最相邻的样本中的大多数属于某一个类别,则该样本也属于这个类别。K最近邻算法(K-Nearest Neighbor,简称KNN)是一种用于。第二,KNN是一个惰性算法。意思是在训练函数中不进行训练。来度量样本之间的相似度。本文只使用欧几里得距离。predict预测函数是还没考虑权重的。predict2预测函数是考虑权重。同理,predict2是考虑权重的。第一,KNN算法中,通常使用。原创 2024-05-11 14:28:33 · 393 阅读 · 0 评论