机器学习实战篇
理论+实战,一步步深入机器学习的殿堂
小鱼儿LY
越努力 越幸运
展开
-
机器学习实战之Logistic回归-详细笔记
概念最优化算法回归:用一条直线对点(多个数据)进行拟合,(该线条称为最佳拟合直线)这个拟合过程就称作回归主要思想:根据现有数据对分类边界线建立回归公式,以此进行分类过程:收集数据准备数据,数值型,结构化数据格式最佳分析数据训练算法,大部分时间用于训练,目的是为了找到最佳回归系数。测试算法使用算法,首先输入一些数据,转换成对应的结构化数值,接着基于训练好的回归系数,就可以对这些数值进行简单的回归计算,判断它们属于哪个类别,在这之后,我们就可以在输出的类别上做一些其他分析工作。优点,代原创 2020-08-23 00:09:31 · 243 阅读 · 0 评论 -
决策树ID3的详细推导过程以及代码实现
1. 简介决策树是机器学习中属于监督类算法,有ID3,C4.5,C5.0,CART(Classification and Regression Tree),CHAID(CHi-squared Automatic Interaction Detection),决策树是一种树形结构,每个内部节点表示一种属性判断,每个分支表示一种判断结果,每个叶子节点(终端节点)表示一种分类结果。下图就是一种流程图形式的决策树:2.决策树的构造决策树优点决策树缺点计算复杂度不高,输出结果容易理解,对原创 2020-05-24 19:29:41 · 1259 阅读 · 0 评论 -
在Matplotlib中的注解绘制树形图中文不能正确显示-机器学习实战第三篇决策树
问题:机器学习实战第三章决策树中,遇到树形图中文不显示源代码如下:# decision_graphic_tree.pyimport matplotlib.pyplot as pltdecisionNode = dict(boxstyle="sawtooth", fc="0.8")leftNode = dict(boxstyle="round4", fc="0.8")arrow_args = dict(arrowstyle="<-")def plotNode(nodeTxt, cent原创 2020-05-13 00:15:37 · 474 阅读 · 0 评论 -
(机器学习实战)K-近邻算法学习过程
k-近邻算法,简单地说,k-近邻算法采用测量不同特征值之间的距离方法进行分类K近邻算法特征详细优点精度高、对异常值不敏感、无数据输入假定缺点计算复杂度高、空间复杂度高适用数据范围数值型和标称型k-近邻算法的一般流程:收集数据:可以使用任何方法准备数据:距离计算所需要的数值,最好是结构化的数据格式分析数据:可以使用任何方法训练数据:此步骤不适合...原创 2020-04-18 07:57:03 · 319 阅读 · 0 评论 -
开始学习《机器学习实战》
1.原书上的代码下载链接是:https://www.manning.com/books/machine-learning-in-action2.百度网盘下载:链接: https://pan.baidu.com/s/1SxIFMIjOZkm80m-yaYAUhw 提取码: 43an3.以上下载不了的话,评论区可以留下邮箱,我发给你。...原创 2020-04-17 12:07:31 · 231 阅读 · 0 评论