![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习入门级
文章平均质量分 87
薛定谔的猫01
计算机小白
展开
-
监督学习算法——决策树
本篇承接上篇文章。原创 2024-03-19 20:48:19 · 790 阅读 · 1 评论 -
监督学习算法——线性模型
本篇文章承接上篇文章。原创 2024-03-17 13:08:21 · 771 阅读 · 1 评论 -
监督学习算法——K近邻
换句话说,使用更少的邻居对应更高的模型复杂度,而使用更多的邻居对应更低的模型复杂度。从图中可以看出,只使用单一邻居,训练集中的每个点都对预测结果有显著影响,预测结果的图像经过所有数据点。k-NN算法最简单的版本只考虑一个最近邻,也就是与我们想要的数据点最近的训练数据点。这里我们添加了三个新数据点,对于每个新数据点,我们标记了训练集中与他最近的点,单一最近邻算法所测结果就是那个点的标签(对应五角星的颜色)预测结果可以从五角星的颜色看出,你可以发现,左上角新数据点的预测结果与只用一个邻居时的预测结果不同。原创 2024-03-16 20:26:10 · 785 阅读 · 1 评论 -
监督学习算法——一些样本数据集
我们用模拟的wave数据集来说明回归算法.wava数据集只有一个输入特征和一个连续的目标变量(或响应),后者是模型想要的预测的对象。包含在scikit_learn中的数据集通常被保存为Bunch对象,里面包含真是数据以及一些数据集信息。关于Bunch对象,它与字典很相似,还有额外的好处,使用不同的数据集来说明不同的算法。其中一些数据集很小,而且都是模拟的,目的是强调算法的某个特定的方面。为了的得到每个特征的语义说明,我们可以看一下feature_names的属性。就是可以使用点操作符来访问对象的值。原创 2024-03-02 17:45:54 · 220 阅读 · 0 评论 -
机器学习简单应用——鸢尾花分类
所以,我们要用新的数据来评估模型的性能,新数据是我们之前从来没有见过的数据,而我们有的只是这些新数据的标签。对于KNeighborsClassifier来说,里面只保存了训练集,想用训练集构建模型,需要调用knn对象的fit方法,输入参数X_train和y_train,二者都是Numpy数组,前者包含训练数据,后者包含相应的训练标签。这种结果无法告诉我们的模型泛化能力如何。从数据看出前五朵花的花边宽度都是0.2cm,第一朵花的花萼最长,target数组包含的是测量过的没朵花的品种,也是一个Numpy。原创 2024-03-01 23:28:47 · 1126 阅读 · 1 评论 -
Numpy和Pandas的综合应用:空气质量监测数据的预处理和基本分析
在Python版本较高时,Iterable被移动到了collections.abc模块中,所以会出现出现"cannot import name ‘Iterable’ from ‘collections’"错误,所以可以替换导入语句。原创 2024-02-29 22:03:28 · 1169 阅读 · 0 评论