预备知识首先学习两个概念：线性分类：指存在一个线性方程可以把待分类数据分开，或者说用一个超平面能将正负样本区分开，表达式为y=wx，这里先说一下超平面，对于二维的情况，可以理解为一条直线，如一次函数。它的分类算法是基于一个线性的预测函数，决策的边界是平的，比如直线和平面。一般的方法有感知器，最小二乘法。非线性分类：指不存在一个线性分类方程把数据分开，它的分类界面没有限制，可以是一个曲面，或者是多个超平...
机器学习实战python3代码分享 觉得有用的话,欢迎一起讨论相互学习~《机器学习实战》是一本初学者必看的书籍，但是其中代码是由python2写的 github上有两个非常好的项目，用python3实现，推荐给大家，欢迎加星,fork,为技术开源做出贡献！ [1]https://github.com/Jack-Cherish/Machine-Learning [2]https://github.com/wzy6642/Machine-Learning-in-Action-Python3 [1][2]
机器学习(一)：线性回归原理推导及代码实现 https://www.jianshu.com/p/6c4a9c0738e3 机器学习(二):决策树原理及代码实现 https://www.jianshu.com/p/25c8bbd1bfa0 机器学习(三):贝叶斯分类器基本原理及代码实现 https://www.jianshu.com/p/a89ddcf2688e Python数据分析(一)：Numpy库学习 https://www.jianshu.com/p/f1c6d202e742 Python数据分析(二)：Pandas库学习 https://www.jianshu.com/p/349cfff55106 Python数据分析(三)：利...
python数据分析个人学习读书笔记-目录索引 唐宇迪，计算机专业博士，网易云课堂人工智能认证行家，51CTO学院讲师，CSDN博客专家、讲师。拥有多年人工智能领域培训经验，带领课程研发团队累计开发AI课程60余门，覆盖当下人工智能热门领域 该书结合了机器学习、数据分析和 Python 语言，通过案例以通俗易懂的方式讲解了如何将算法应用到实际任务。 全书共 20 章，大致分为 4 个部分。第一部分介绍了 Python 的工具包，包括科学计算...
周志华《机器学习》西瓜书 小白Python学习笔记（一）——第一章 绪论 & 第二章 模型评估与选择写在最前第一章 绪论 & 第二章 模型评估与选择 写在最前 博主是统计专业本科在读，之前利用一个学期的时间粗略地学习《机器学习》全书一遍，了解了书中知识理论的基本情况。准备申请机器学习相关专业的研究生，无奈第一遍的学习太过于浮于表面，于是决定回锅学习第二遍！这一遍的重点将放在对算法流程的理解与Python的实现，希望通过这...
目录1. 线性模型2. 线性回归2.1 一元线性回归3. 一元线性回归的Python实现3.1 使用 stikit-learn3.1.1 导入必要模块3.1.2 使用 Pandas 加载数据3.1.3 快速查看数据3.1.4 使用 stlearn 创建模型3.1.5 模型评估3.2 手动实现3.2.1 计算 w 和 b3.2.2 功能封装 1. 线性模型 给定 \(d\) 个属性描述的示例 \(\boldsymbol{x} = (x_1; x_2; ...; x_d)\)，其中 \(x_i\) 为 \(\boldsymbol{x}\) 在第 \(i\) 个属性上的取值，线性模型（linear m...
# -*- coding: utf-8 -*- """ Created on Fri Jul 13 09:17:41 2018@author: wzy """ from matplotlib.font_manager import FontProperties import matplotlib.lines as mlines import matplotlib.pyplot as plt import time import numpy as np import operator""" 函数说明：创建数据集Parameters:NoneReturns:group - 数据集labels - 分类标签Modify:2018-07-13 """ def createDataSet():# 四组二维特征group = np.array([[1,10...
镜像pip安装 阿里云 http://mirrors.aliyun.com/pypi/simple/ 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/ 豆瓣(douban) http://pypi.douban.com/simple/ 清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/ 中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/ 例如：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple xgboost 常用库 一、数值计算NumPy支持多维数组与矩阵运算，也针对数组运算提供...
本文实例讲述了决策树剪枝算法的python实现方法。分享给大家供大家参考，具体如下： 决策树是一种依托决策而建立起来的一种树。在机器学习中，决策树是一种预测模型，代表的是一种对象属性与对象值之间的一种映射关系，每一个节点代表某个对象，树中的每一个分叉路径代表某个可能的属性值，而每一个叶子节点则对应从根节点到该叶子节点所经历的路径所表示的对象的值。决策树仅有单一输出，如果有多个输出，可以分别建立独立的决策树...
主成分分析（PCA）算法是降维可视化的重要工具，我今天也进行了学习，Python编写的小程序，更好理解了其算法的应用和功能# Des:This is a machine learning program! # Date:2020-3-12 # Author:Gaofeng from sklearn.decomposition import PCA from sklearn.datasets import load_iris import matplotlib.pyplot as pltdata = load_iris() #字典形式，方便控制属性和标签 y = data.target #数据集中的标签 x = data.data # 数...
文章目录梯度下降策略1. 梯度下降 梯度下降策略 1. 梯度下降点赞 收藏分享文章举报grinningGrace发布了7 篇原创文章 · 获赞 0 · 访问量 120私信 关注
1、问题简述假设有一名植物学爱好者对她发现的鸢尾花的品种很感兴趣。她收集了每朵鸢尾花的一些测量数据： 花瓣的长度和宽度以及花萼的长度和宽度，所有测量结果的单位都是厘米。 她还有一些鸢尾花的测量数据，这些花之前已经被植物学专家鉴定为属于 setosa、versicolor 或 virginica 三个品种之一。对于这些测量数据，她可以确定每朵鸢尾花所属的品种。我们假设这位植物学爱好者在野外只会遇到这三种鸢尾花。我们的目标是构建一个...
?数据预处理的几种方法： StandardScaler：确保每个特征的平均值为0，方差为1，使得所有特征在同一量级。但不能保证特征任何特定的最大值和最小值。 RobustScaler：与StandardScaler类似，确保每个特征的统计属性在同一范围，但使用中位数和四分位数。会忽略数据中的异常值。 MinMaxScaler：移动数据，使得所有特征刚好在0到1之间。 Normalizer：对每个数据点进行放缩，使得特征向量的欧式长度等于1.即将数据投射在半径为1的圆上，...
?朴素贝叶斯分类器： 优点：训练速度快 缺点：泛化性能比logistic回归和linearSVM稍差 GaussianNB：用于任意连续数据 BernoulliNB：输入数据为二分类，用于文本数据分类 MultinomialNB：输入数据为计数数据（每个特征代表某个对象的整数计数），用于文本数据分类
?lasso回归 ?lasso回归使用L1正则化，即使得lasso的某些系数刚好为零 ?lasso也有alpha，与岭回归相同，alpha代表了约束力的大小，但在lasso中增大alpha的同时，要增大最大迭代次数max_iter（默认为1000） alpha不能设置的过小，否则会消除正则化的效果。 ?lasso回归与岭回归 一般选择使用岭回归 lasso回归在两种情况下使用： ①特征很多，但只有少数特征是重要的 ②希望的到一个容易理解的模型