- 博客(17)
- 收藏
- 关注
RSS订阅
原创 00_00 python机器学习_各章实例代码汇总(随学习进度更新)
第一章001 散点图 + K邻近算法 + 模型训练# 多维数组基础包import numpy as np# 数据表格import pandas as pd# 颜色方案import mglearn# 绘图import matplotlib.pyplot as pt# 机器学习 数据模型from sklearn.datasets import load_iris# 机器学习 数据分离from sklearn.model_selection import train_test_split
2022-05-19 13:26:19
2387
原创 03_01 python机器学习_第三章无监督学习与预处理
1. 在应用模型前先将数据预处理(缩放数据)2. 降维数据,提取主要数据成分,重构数据,数据可视化3. 归类分组数据
2022-09-17 12:00:00
246
原创 02_04 python机器学习_第二章监督学习_朴素贝叶斯分类器
第二章学习内容整理_朴素贝叶斯分类器01 什么是朴素贝叶斯分类器贝叶斯分类器也是一种线性模型,处理分类问题.与之前学习过的 LogisticRegression 和 linearSVC相比,贝叶斯模型计算速度优于线性模型,泛化能力稍差.02 贝叶斯模型分类书中介绍3种贝叶斯分类器名称适用场合GaussinaNB数据样本中大多是连续数据BernoulliNB将数据变成2分类问题,有点像线性模型,现在还看不出来区别,学习后再总结MultinomialNB数据样本
2022-05-26 11:12:04
142
2
原创 02_02 python机器学习_第二章监督学习_K邻近(K-NN)
python机器学习_第二章学习内容整理_K邻近(K-NN)01 概念我的理解:将一块磁铁放在一堆分散的不同颜色的铁块中, 算法中的参数用于设定磁铁可以吸附铁块的个数,肯定是从最近位置的铁块开始吸引.当参数为1时,只吸引一个铁块,因此这个铁块是什么颜色, 那么这块磁铁就标记成什么颜色.当参数为N时,会吸附N个铁块, 不同颜色的铁块都会吸附过来,以最多颜色的铁块来标记磁铁的颜色.磁铁就好比新数据, 铁块就好建模用的数据样本.K邻近算法使用建议:对于复杂模型产生的数据,应当使K尽量小, 因为复杂
2022-05-19 13:16:05
391
原创 02_01 python机器学习_第二章监督学习_监督学习概念&数据样本
第二章学习内容整理_监督学习_简单概念&数据样本介绍01 概念部分01_001 监督学习分类监督学习分为两类:分类 classsification一般解决判断某种类型 有点像选择题, 选项给好了,找出选项就行回归 regression一般解决预测问题, 通过一段连续的数据预测接下数据的某种可能性, 比如天气预报,彩票投注01_002 常用名词解释 泛化 过拟合 欠拟合泛化我理解就是一滴墨水滴到纸上后,能扩大到整个纸的多少.纸就想到于数据,墨水好比算法.算法不能太具体也不能
2022-05-17 10:21:41
443
原创 01_02 python机器学习_第一章学习内容整理_建模&预测
第一章学习内容整理_建模&预测01 建模书中例子如下:from sklearn.neighbors import KNeighborsClassifierimport numpy as npknn = KNeighborsClassifier(n_neighbors=1)knn.fit(X_train, y_train)X_new = np.array([[6.3, 2.5, 5., 1.9]])prediction = knn.predict(X_new)print(predi
2022-05-16 11:49:20
334
原创 01_01 python机器学习_第一章学习内容整理_加载样本数据&绘制散点图
第一章学习内容整理01 常用包说明python可以解决很多问题,相应解决方案使用的包也很多,不太好记忆.为了便于记忆,用大白话简单描述一下各个包的功能.# 科学计算最基础的包# 本质就是个多维数组, 里面包含了一些操作数组的功能函数, 机器学习一切的起源import numpy as np# 以numpy为基础,封装的各种高级数学函数import scipy# 将各种数据已表单形式存储&表达, 可以直接使用numpy的数据# 虽然同numpy都是数据集合, 但numpy侧重的
2022-05-15 12:04:23
607
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人