weiyi99999的博客

原创作者：https://blog.csdn.net/darlingwood2013/article/details/60322258，如若侵权，联系必删

1.读取数据——pandas#利用pandas读取数据import pandas as pddata = pd.read_csv(r"H:\Python\data\adult.data")cols = ['age','education_num','capital_gain','capital_loss','hours_per_week','label']data = data[cols]...

Python中主要有两种表示矩阵的方法，一种是matrix类，另一种是二维array，主要区别在于默认的乘法不同，前者默认乘法是矩阵的乘法，后者默认乘法是Hadamard乘法。实际情况中我们使用后一种也就是二维array表示矩阵。你可以用NumPy提供的专门的函数创建特殊的矩阵，也可以像二维数组那样提取矩阵中的某个元素或某行某列1.矩阵创建-NumPyIn [1]: import numpy as...

多元分类问题可以用多元逻辑回归和One-vs.-all（从二元到多元）两种方法解决，以scikit-learn为例：import osimport numpy as npimport matplotlib.pyplot as pltimport pandas as pdfrom sklearn.linear_model import LogisticRegressiondef re...

模型实现需要四步：1.将数据划分为训练集和测试数据集，解决过度拟合的问题2.利用训练数据集训练模型，估计模型参数3.利用测试数据集评价模型，计算对应的均方差和决定系数4.用图像化的方式，展示模型效果实现代码如下：import osimport sysimport numpy as npimport matplotlib.pyplot as pltimport pandas as pdf...

利用第三方库Statsmodels训练假定的线性回归模型，即yi=axi+b+εi代码如下：import osimport sysimport numpy as npimport statsmodels.api as smfrom statsmodels.sandbox.regression.predstd import wls_prediction_stdimport matplot...

在搭建模型的过程中，我们往往会从已知的特征中提取更多新的特征，并以此搭建更为复杂的模型，但是模型越复杂，越会值其本身掉入不断“自我催眠，强化偏见”的过程，从而引起过度拟合的问题。如果将毫不相关的变量加入到模型中，也会得到相应的参数估计值，而这个估计值几乎不可能为0，这就造成了所谓的“模型幻觉”。模型幻觉会引起模型参数的不可靠，更严重的是使得原本可能较为正确的估计扭曲为错误，比如将原来变量的正效应估...

模型依据数据的变化是一个不断循环、不断更新的过程，在Python中搭建模型，且读取模型的程序也在Python内部，可以用内置库pickle完成。pickle是负责将Python对象序列化和反序列化的模块，使用pickle.dump函数将训练好的模型保存到磁盘上（具体路径为“modelPath”），当需要使用模型时，可以通过pickle.load函数读取保存在磁盘上的模型。代码如下：import p...