机器学习-sklearn和tensorflow
我的下铺刚田武
这个作者很懒,什么都没留下…
展开
-
cap 2 加州房价预测
https://www.cnblogs.com/zhhy236400/p/11111180.html转载 2019-07-03 20:47:10 · 251 阅读 · 0 评论 -
cap4 训练模型
两种不同的训练模型的方法:通过“闭式”方程——直接计算出最适合训练集的模型参数(也就是使得训练集上的成本函数最小化的模型参数)使用迭代优化的方法,即梯度下降法(GD),逐渐调整模型参数直至训练集上的成本函数至最低,最终趋同于第一种方法计算出来的模型参数。本章从最简单的线性回归模型开始,然后训练稍微复杂的多项式回归。因为多项式模型参数较多,容易造成对训练数据过度拟合,我们使用学习曲...原创 2019-08-01 20:05:26 · 942 阅读 · 0 评论 -
cap5 支持向量机SVM
线性SVM分类非线性SVM分类SVM回归原创 2019-08-06 16:09:54 · 137 阅读 · 0 评论 -
cap7 集成学习和随机森林
集成学习:聚合一组预测器的预测结果,比最好的单个预测器要好。随机森林:训练一组决策树分类器,每一棵树都基于训练集不同的随机子集进行训练,将所有预测树的结果中最多的类别作为预测结果。硬投票分类器:聚合每个分类器的预测,将得票最多的结果作为预测类别。集成学习的效果好于单个弱分类器的原因:大数定理。假设创建了一个包含1000个分类器的集成,每个分类器都只有51%的几率是正确的(弱分类器),如果你...原创 2019-08-19 19:56:01 · 272 阅读 · 0 评论 -
cap6 决策树
决策树可以实现分类或者回归,也是随机森林的基本预测器。决策树训练和可视化在鸢尾花数据集上训练一个决策树:from sklearn.datasets import load_irisfrom sklearn.tree import DecisionTreeClassifieriris=load_iris()x=iris.data[:,2:] y=iris.targettree_cl...原创 2019-08-14 20:42:01 · 295 阅读 · 0 评论