机器学习之典型监督学习方法分类实践与比较分析

知识盲盒


![在这里插入图片描述](https://img-blog.csdnimg.cn/20201109204035597.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80ODc4NTcwNw==,size_16,color_FFFFFF,t_70#pic_center)**简介** 采用有监督学习的方法,如:线性回归、贝叶斯分类器、逻辑回归、K近邻算法、SVM、Adaboost、KNN、决策树、随机森林等实现对同一数据集的分类任务。

准备:
(1) Python 3.8
(2) Pycharm 2020.3
(3) Windows 10
(4) 通过pip3 install numpy, matplotlib 在cmd 中安装 numpy, matplotlib, 分别用于数据处理和画图
(5) 通过pip3 install sklearn 在cmd 中 提前安装 sklearn
Sklearn 是Scikit-learn的简称,一个开源的机器学习库,支持有监督和无监督的学习。 还提供了用于模型拟合,数据预处理,模型选择和评估以及许多其他实用程序的各种工具。
Scikit-learn 官网 https://scikit-learn.org/stable/getting_started.html

结果:

(1)10种算法的比较

机器学习之典型监督学习方法分类实践与比较分析_第1张图片(2)3种算法的比较机器学习之典型监督学习方法分类实践与比较分析_第2张图片
本期先展示下结果,有朋友感谢兴趣的话欢迎留言,下期将出一个有详细注释的源码!

你可能感兴趣的:(机器学习,python,人工智能,神经网络,决策树)