机器学习
文章平均质量分 82
伪_装
The data determines the upper limit of accuracy and the model determines the lower limit of accuracy.
数据决定精度上限,模型决定精度下限。
展开
-
可视化和跟踪机器学习实验的工具——Wandb
用于可视化和跟踪机器学习实验的工具。Weights & Biases 是一个机器学习平台,供开发人员更快地构建更好的模型。使用 W&B 的轻量级、可互操作的工具快速跟踪实验、对数据集进行版本和迭代、评估模型性能、重现模型、可视化结果和发现回归,并与同事分享结果。原创 2024-02-17 20:21:14 · 1519 阅读 · 0 评论 -
SHAP - 机器学习模型可解释性工具
SHAP(SHapley Additive exPlanations)是一种用于解释预测结果的方法,它基于Shapley值理论,通过将预测结果分解为每个特征的影响,为模型提供全局和局部的可解释性。原创 2023-11-22 20:40:22 · 2767 阅读 · 0 评论 -
mnist数据集的手写体识别
mnist数据集的手写体识别原创 2023-06-12 13:46:45 · 181 阅读 · 0 评论 -
通过声音和语音分析进行性别识别-Python
通过声音和语音分析进行性别识别--这是一个数据集,最初是为了根据声音和语音的声学特性,将声音识别为男性或女性。该数据集由3,168个录制的语音样本组成,收集自男性和女性说话者。语音样本在R中使用seewave和tuneR软件包进行声学分析预处理,分析的频率范围为0hz-280hz(人声范围)。原创 2023-05-27 01:08:49 · 956 阅读 · 0 评论 -
贝叶斯分类-文本分类案例
朴素贝叶斯分类-文本分类原创 2023-05-26 17:49:39 · 103 阅读 · 0 评论 -
集成学习--人口普查(美国)收入水平分类预测
集成学习--人口普查(美国)收入水平分类预测原创 2023-05-15 23:49:51 · 671 阅读 · 0 评论 -
随机森林案例
随机森林案例:使用自定义随机森林分类器、使用sklearn.ensemble.RandomForestClassifier原创 2023-05-15 14:28:55 · 322 阅读 · 0 评论 -
集成学习-波士顿房价预测
集成算法基本算法主要分为Bagging算法与Boosting算法原创 2023-05-15 13:51:09 · 2207 阅读 · 3 评论 -
朝阳医院2018年销售数据分析
朝阳医院2018年销售数据为例,目的是了解朝阳医院在2018年里的销售情况原创 2023-05-15 13:31:00 · 359 阅读 · 0 评论 -
绘制常见类型图表
matplotlib不仅专注于二维图表的绘制,也具有绘制3D图表、统计地图的功能,并将这些功能分别封装到工具包中,另外可以结合animation模块给图表添加动画效果mplot3d是matplotlib中专门绘制3D图表的工具包,它主要包含一个继承自Axes的子类Axes3D()方法Axes3D()是构造方法,它直接用于构建一个Axes3D类的对象使用Axes3D类可以构建一个三维坐标系的绘图区域。fig:表示绘图区域所属的画布。rect:表示确定三维坐标系位置的元组。原创 2023-03-31 15:39:50 · 1768 阅读 · 0 评论 -
模型性能分析
模型性能分析:用于模型验证和评价的数据、模型性能尺度、训练样本数量对模型性能的影响原创 2023-03-22 13:18:13 · 121 阅读 · 0 评论 -
正则化(regulizing)处理
正则化(regulizing)处理:使用高阶拟合非线性可分的数据、引入Regulization机制、LogisticRegression内置的正则化支持原创 2023-03-20 20:09:50 · 138 阅读 · 0 评论 -
双类别逻辑回归
双类别逻辑回归:基于成本函数和梯度下降算法的实现、基于scipy.optimize优化运算库的实现原创 2023-03-20 13:26:25 · 424 阅读 · 2 评论 -
使用线性回归预测波士顿房价
使用线性回归预测波士顿房价:装载并查看数据信息、查看各个特征与价格之间的对应关系趋势、设置训练集和数据集、使用LinearRegression训练模型,并且针对测试数据计算R2原创 2023-03-15 15:41:28 · 1713 阅读 · 0 评论 -
多变量线性回归
多变量线性回归:基于LinearRegression的实现、基于成本函数和梯度下降的实现原创 2023-03-15 13:59:26 · 49 阅读 · 0 评论