00_00 python机器学习_各资源汇总(随学习进度更新)

已于 2022-09-16 17:09:27 修改
阅读量96 收藏 1
点赞数
分类专栏： Python机器学习基础教程笔记 文章标签： python 机器学习 学习
于 2022-06-15 18:27:43 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yibaiershikexin/article/details/125302461
版权

资源总结

数据类资源

001 sklearn datasets

  • 机器学习比较好的现成数据样本:
    • 半月形数据样本 sklearn.datasets.make_moons
    • 乳腺癌数据样本 sklearn.datasets.load_breast_cancer
    • 波士顿房价数据样本 sklearn.datasets.load_boston
    • 糖尿病数据样本 sklearn.datasets.load_diabetes
    • 手写数字数据样本 sklearn.datasets.load_digits
    • 鸢尾花数据样本 sklearn.datasets.load_iris
    • 体能训练数据样本 sklearn.datasets.load_linnerud
    • 脸部照片数据样本 sklearn.datasets.fetch_olivetti_faces
    • 生成聚类数据 sklearn.datasets.make_blobs
  • 机器学习制作数据样本
    • 用于分类问题,制作两个同心圆 from sklearn.datasets import make_circles

002 mglearn datasets

  • 机器学习为了快速绘图的内置简单数据样本

    • 波士顿房价数据样本 mglearn.datasets.load_extended_boston
    • 波形图数据 mglearn.datasets.make_wave
    • 用于分类问题,制作2分类,2特征数据 mglearn.tools.make_handcrafted_dataset

  • 快速演示

    • 快速演示: 决策树演示 mglearn.plots.plot_animal_tree, mglearn.plots.plot_tree_progressive()
    • 快速演示: 核支持向量机模型参数C,参数gamma对模型的影响 mglearn.plots.plot_svm

文档类资源

书中涉及的知识点

比较好的函数帮助

辛　欣
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
李宏毅2020机器学习资料汇总
⚡
04-08 8万+
前言 可能受到新冠病毒的影响，台大也开始了网课教学。李宏毅上传了2020版本的机器学习视频，可以说是非常好的学习资料（尽管其中多数都是2017、2019的视频，但有部分更新）。 和吴恩达的CS229机器学习相比，中文版本的机器学习显得亲民了许多，李宏毅的机器学习是英文的ppt+中文讲解，非常有利于大家入门。吴恩达的CS229中偏向于传统机器学习……
2024年Python最新OpenCV-Python实战（13）——OpenCV与机器学习的碰撞(2)，Python开发面试技能介绍
m0_61549984的博客
05-04 467
Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
【Python机器学习】线性模型——岭回归
weixin_39407597的博客
01-06 601
岭回归也是一种用于回归的线性模型，它的预测公式与线性回归相同，但是在岭回归里，对于系数的选择不仅要在训练数据上得到好的预测结果，而且还要拟合附加约束，还希望系数尽量小，这意味着每个特征对输出的影响应该尽可能小，同时仍给出很好的预测结果。这种约束是所谓的正则化的一个例子。
【机器学习】监督学习样本数据集
ZhShy
01-23 3869
文章目录分类与回归泛化、过拟合与欠拟合监督学习算法一些样本数据集1. 二分类 - forge数据集2. 回归算法 - Wave数据集3. 分类 - cancer数据集4. 回归 - boston数据集 分类与回归 分类 目标：预测类别标签，标签来自预定义的可选列表 分类问题 二分类（两个类别之间进行区分的一种特殊情况） 正类 反类 多分类（两个以上的类别之间进行区分） 回归 目标：预测一个连续值——浮点数/实数 例子： 根据教育水平、年龄和居住地来预测一个人的年收入，这就是回归的一个
【笔记】【机器学习基础】监督学习算法2 （补充）
qq_47809408的博客
05-14 616
线性模型 线性模型是在实践中广泛使用的一类模型，主要利用输入特征的线性函数（linear function）进行预测。 用于回归的线性模型 对于回归问题，线性模型预测的一般公式如下： x[0]到x[p]表示单个数据点的特征（本例中特征个数为p+1），w和b是学习模型的参数，ŷ是模型的预测结果 就是高中数学里的直线方程，w[0]是斜率，b是y轴偏移。 用于回归的线性模型可以表示为这样的回归模型：对单一特征的预测结果是一条直线，两个特征时是一个平面，或者在更高维度（即更多特征）时是一个超平面。 对于有多个
Python机器学习基础教程-第2章-监督学习之线性模型
weixin_30538029的博客
06-13 466
前言 本系列教程基本就是摘抄《Python机器学习基础教程》中的例子内容。 为了便于跟踪和学习，本系列教程在Github上提供了jupyter notebook 版本： Github仓库：https://github.com/Holy-Shine/Introduciton-2-ML-with-Python-notebook 系列教程总目录 Python机器学习基础教程 引子 先导入必要的包 imp...
学习机器学习算法过程中的常用数据集
taozibaby的博客
07-24 2896
新手学习机器学习相关算法时，最常使用的数据集。因为经典，所以高质量。
萌新python机器学习笔记
m0_48832972的博客
09-22 2590
#萌新python机器学习 刚看完线性回归的推导公式迫不及待的想用python进行实验 import numpy as np from sklearn import datasets import matplotlib.pyplot as plt x,y=datasets.make_regression(n_samples=100,n_features=1,n_targets=1,noise=1) print(type(x)) X=x.flatten() plt.figure() plt.scatter(
各大机器学习包汇总（python版，持续更新）
RYP_S 的专栏
04-13 9057
随着机器学习的逐日升温，各种相关开源包也是层出不群，面对如此多种类的工具包，该如何选择，有的甚至还知之甚少或者不知呢，本文简单汇总了一下当下使用比较多的python版本机器学习工具包，供大家参看，还很不全不详尽，会持续更新，也欢迎大家补充，多谢多谢！~~~ scikit-learn: 基于python的机器学习模块，基于BSD开源许可证。这个项目最早由DavidCournapeau 在2
【大虾送书第二期】《Python机器学习：基于PyTorch和Scikit-Learn 》_python机器学习 基于pytorch和scikit-learn pdf
2401_84537826的博客
05-06 975
本书是一本全面介绍在PyTorch环境下学习机器学习和深度学习的综合指南，可以作为初学者的入门教程，也可以作为读者开发机器学习项目时的参考书。本书讲解清晰、示例生动，深入介绍了机器学习方法的基础知识，不仅提供了构建机器学习模型的说明，而且提供了构建机器学习模型和解决实际问题的基本准则。本书添加了基于PyTorch的深度学习内容，介绍了新版Scikit-Learn。本书涵盖了多种用于文本和图像分类的机器学习与深度学习方法，介绍了用于生成新数据的生成对抗网络（GAN）和用于训练智能体的强化学习。
AI小白开发者必备的优质机器学习课程资源汇总
albertleebob的博客
04-08 510
以下内容由公众号：AIRX社区（国内领先的AI、AR、VR技术学习与交流平台） 整理 免费机器学习课程（fast.ai） 这是提供人工智能主题课程的顶级平台之一，旨在向大众传授人工智能以及如何在该领域起步。所有的内容都是从零开始，重点是在实践中学习。有一系列可供初学者和有经验的学习者选择。 每个概念都包含屏幕截图和实际示例。 提供了完整的指导来执行配置以开始授课。 加入论坛，与同龄人和实...
【使用卷积神经网络进行猫狗识别】------机器学习（附完整代码和数据集）
weixin_47296493的博客
03-31 3323
我们都知道小学先学加法，接着学乘法，乘法的本质就是加法，所以我们说:"卷积的物理意义是：一个函数（如：单位响应）在另一个函数（如：输入信号）上的加权叠加。"
Python机器学习基础篇二《监督学习》
虚幻私塾
12-26 2140
前言 前期回顾： Python机器学习基础篇一《为什么用Python进行机器学习》 前面说过，监督学习是最常用也是最成功的机器学习类型之一。本章将会详细介绍监督学 习，并解释几种常用的监督学习算法。我们在第 1 章已经见过一个监督学习的应用：利用 物理测量数据将鸢尾花分成几个品种。 记住，每当想要根据给定输入预测某个结果，并且还有输入 / 输出对的示例时，都应该使 用监督学习。这些输入 / 输出对构成了训练集，我们利用它来构建机器学习模型。我们的 目标是对从未见过的新数据做出准确预测。监督学习通常需要人力来
sklearn库学习之线性模型
thj19980720的博客
10-17 795
线性模型利用输入特征的线性函数进行预测，学习线性模型的算法的区别： (1)系数和截距的特定组合对训练数据拟合好坏的度量方法，不同的算法使用不同的方法度量“对训练集拟合好坏”–称为损失函数 (2)是否使用正则化，使用哪种正则化方法 线性模型的主要参数是正则化参数，如果假定只有几个特征是真正重要的，应该用L1正则化，否则应默认使用L2正则化。 处理大型数据时，需研究使用LogisticRegressi...
《python机器学习基础教程》代码实现线性模型--回归
m0_57822474的博客
11-18 807
线性回归 (LinearRegression) from sklearn.base import TransformerMixin from sklearn.linear_model import LinearRegression import mglearn from sklearn.model_selection import train_test_split X,y=mglearn.datasets.load_extended_boston() X_train,X_test,y_train ,y_
【Python机器学习基础教程3】监督学习算法——用于回归的线性模型
Frank Kong的博客
09-17 955
对于回归问题，线性模型预测的一般公式如下： y= w[0] * x[0] + w[1] * x[1] + … + w[p] * x[p] + b 这里 x[0] 到 x[p] 表示单个数据点的特征（本例中特征个数为 p+1）， w 和 b 是学习模型的参数， ŷ 是模型的预测结果。对于单一特征的数据集，公式如下： y= w[0] * x[0] + b ...
对mglearn库的理解
热门推荐
枪枪枪的博客
01-15 1万+
1：这个库中有许多已经做好的数据视图。 列如：一行简单的代码，就可以查看线性回归在回归问题中的使用情况。 mglearn.plots.plot_linear_regression_wave() 2：这个库中有许多配置好的配色方案，在用pyplot作图时可以方便的调用 这是定位到的源代码： # create a smooth transition from the first to to the...
【机器学习】监督学习算法 2.3.1 二分类、回归算法、威斯康辛乳腺癌、波士顿房价
heroybc的博客
10-23 444
import mglearn import matplotlib.pyplot as plt x,y = mglearn.datasets.make_forge() mglearn.discrete_scatter(x[:,0],x[:,1],y) plt.legend(['Class 0','Class 1'],loc = 4) plt.xlabel('first feature') pl...
【python】关于判断空值None、判断len()=0，和 if not 的区别
最新发布
Meggie35的博客
08-28 7240
python的“空”与“无”之辩，关于None，和空数值。在程序中，判断里面没有值和判断东西是不是为空，也是不一样的东西，我们可以往下看看具体的区别。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值