![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 91
Tian-Feng
人生几十年总会有风雨来陪,潇潇洒洒赴会今不醉不归!
展开
-
【GIt使用】
如果要在cmd使用git clone,需要把git安装目录下的cmd文件路径添加到环境变量。右上角新建仓库,如果想要上面界面,在创建一个和github账户名相同的仓库。一路next就行,安装完后,桌面右键git bash。2.新建一个文件夹git_space,切到目录下,git 与 github相连了,现在演示一个流程。1.设置用户名,邮箱。已经到github了。原创 2023-05-06 17:00:09 · 43 阅读 · 0 评论 -
【机器学习实战(四):逻辑回归】
本这会是激动人心的一章,因为我们将首次接触到最优化算法。仔细想想就会发现,其实我们日常生活中遇到过很多最优化问题,比如如何在最短时间内从A点到达B点?如何投入最少工作量却获得最大的效益?如何设计发动机使得油耗最少而功率最大?可见,最优化的作用十分强大。接下来,我们介绍几个最优化算法,并利用它们训练出一个非线性函数用于分类。读者不熟悉回归也没关系,假设现在有一些数据点,我们用一条直线对这些点进行拟合(该线称为最佳拟合直线),这个拟合过程就称作回归。原创 2022-12-11 15:48:16 · 511 阅读 · 0 评论 -
【最全python环境安装从anaconda到vscode到pytorch一条龙安装,完美解决你的安装烦恼】
第一次写完整安装,可以说把一些关键点都说出来了,你去搜索不一定有这么全,有些内容写得过于前面,但是为你后面安装pytorch做铺垫,如果你暂时不用pytorch,前面的内容够你用了,安装卸载管理基本一步到位了。 第一次完整安装,可以说把一些关键点都说出来了,你去搜索不一定有这么全,有些内容写得过于前面,但是为你后面安装pytorch做铺垫,如果你暂时不用pytorch,前面的内容够你用了,安装卸载管理基本一步到位了。两种对比,网页版更舒服看起来,而且这种格式本来就是网页版,下面提供安装方式。原创 2022-11-22 20:30:58 · 1495 阅读 · 0 评论 -
【机器学习实战(三):朴素贝叶斯(sklearn)】
容易理解,predict_proba预测出的各个类别概率里的最大值对应的类别,也就是predict方法得到类别。相对于决策树,KNN之类的算法,朴素贝叶斯需要关注的参数是比较少的,这样也比较容易掌握。其中GaussianNB就是先验为高斯分布的朴素贝叶斯,MultinomialNB就是先验为多项式分布的朴素贝叶斯,而BernoulliNB就是先验为伯努利分布的朴素贝叶斯。可以看到,我们已经滤除了那些没有用的词组,这个feature_words就是我们最终选出的用于新闻分类的特征。原创 2022-11-01 18:24:25 · 729 阅读 · 0 评论 -
【机器学习实战(三):朴素贝叶斯】
前两章我们要求分类器做出艰难决策,给出“该数据实例属于哪一类”这类问题的明确答案。不过,分类器有时会产生错误结果,这时可以要求分类器给出一个最优的类别猜测结果,同时给出这个猜测的概率估计值。概率论是许多机器学习算法的基础,所以深刻理解这一主题就显得十分重要。第3章在计算特征值取某个值的概率时涉及了一些概率知识,在那里我们先统计特征在数据集中取某个特定值的次数,然后除以数据集的实例总数,就得到了特征取该值的概率。我们将在此基础上深入讨论。原创 2022-10-31 20:31:11 · 261 阅读 · 0 评论 -
机器学习实战(二):决策树(sklearn)
决策树分类器就像带有终止块的流程图,终止块表示分类结果。开始处理数据集时,我们首先需要测量集合中数据的不一致性,也就是熵,然后寻找最优方案划分数据集,直到数据集中的所有数据属于同一分类。D3算法可以用于划分标称型数据集。构建决策树时,我们通常采用递归的方法将数据集转化为决策树。一般我们并不构造新的数据结构,而是使用Pythor语言内嵌的数据结构字典存储树节点信息。使用Matplotlib的注解功能,我们可以将存储的树结构转化为容易理解的图形Pythoni语言的pickle模块可用于存储决策树的结构。原创 2022-10-30 21:46:28 · 802 阅读 · 0 评论 -
机器学习实战(二):决策树
你是否玩过二十个问题的游戏,游戏的规则很简单:参与游戏的一方在脑海里想某个事物,其他参与者向他提问题,只允许提20个问题,问题的答案也只能用对或错回答。问问题的人通过推断分解,逐步缩小待猜测事物的范围。决策树的工作原理与20个问题类似,用户输入一系列数据,然后给出游戏的答案。我们经常使用决策树处理分类问题,近来的调查表明决策树也是最经常使用的数据挖掘算法”。它之所以如此流行,一个很重要的原因就是使用者基本上不用了解机器学习算法,也不用深究它是如何工作的。原创 2022-10-29 18:15:55 · 1748 阅读 · 0 评论 -
机器学习实战(一):K近邻算法(sklearn)
Scikit learn 也简称sklearn,是机器学习领域当中最知名的python模块之一。Classification 分类Regression 回归Clustering 非监督分类Dimensionality reduction 数据降维Model Selection 模型选择Preprocessing 数据与处理使用sklearn可以很方便地让我们实现一个机器学习算法。一个复杂度算法的实现,使用sklearn可能只需要调用几行API即可。原创 2022-10-22 17:45:15 · 1699 阅读 · 0 评论 -
机器学习实战(一):K近邻算法
k近邻法(k-nearest neighbor, k-NN)是1967年由Cover T和Hart P提出的一种基本分类与回归方法。它的工作原理是:存在一个样本数据集合,也称作为训练样本集,并且样本集中每个数据都存在标签,即我们知道样本集中每一个数据与所属分类的对应关系。原创 2022-10-20 17:10:27 · 275 阅读 · 0 评论