——机器学习实战第11页

Python数据分析与机器学习实战＜八＞决策树、随机森林

目录决策树原理概述树模型决策树树的组成决策树的训练和测试选择节点（即如何进行特征划分？）衡量标准---熵公式：Pi为取到某个类别的概率熵的图像如何决策一个节点的选择？决策树构造实例信息增益率ID3（信息增益）缺点C4.5（信息增益率）CART(使用GINI系数来做衡量标准)决策树的剪枝策略对连续值剪枝策略为什么剪枝？策略决策树涉及的参数树的可视化与sklearn简介可视化显示需要的工具sklear

-小透明-·2023-01-12 06:41

【机器学习实战】— 2 - 决策树 Decision Tree

决策树DecisionTree本文收录于Github仓库，欢迎前来star呀~https://github.com/Veal98/CS-Wiki在线阅读地址：https://veal98.gitee.io/cs-wiki/1.决策树的定义一个叫做“二十个问题”的游戏，游戏的规则很简单:参与游戏的一方在脑海中想某个事物，其他参与者向他提问，只允许提20个问题，问题的答案也只能用对或错回答。问问题的人

飞天小牛肉·2023-01-10 18:18

决策树实战

本文摘自“机器学习实战”中案例，在此对其进行了代码更新与简单注释。感兴趣者可回复资源需求！

会飞的哼哧·2023-01-10 18:48

《机器学习实战》chapter02 K-近邻算法（KNN）

2.2示例：使用K-近邻算法改进约会网站的配结果收集数据：提供文本文件准备数据：使用Python解析文本文件（文本转numpy矩阵、归一化数据等）分析数据：使用Matplotlib画二维扩散图训练算法：此步骤不适用于k-紧邻算法测试算法：使用海伦提供的部分数据作为测试样本。测试样本和非测试样本的区别在于：测试样本是已经完成分类的数据，如果预测分类与实际类别不同，则标记为一个错误使用算法：产生简单的

君只见独不见·2023-01-09 19:52

机器学习实战教程（六）：Logistic回归基础篇

机器学习实战教程（六）：Logistic回归基础篇之梯度上升算法一、前言本文从Logistic回归的原理开始讲起，补充了书上省略的数学推导。

M_Q_T·2023-01-09 15:41

prc曲线 sklearn_机器学习实战教程（十二）：线性回归提高篇之乐高玩具套件二手价预测...

摘要本篇文章讲解线性回归的缩减方法，岭回归以及逐步线性回归，同时熟悉sklearn的岭回归使用方法，对乐高玩具套件的二手价格做出预测。一、前言本篇文章讲解线性回归的缩减方法，岭回归以及逐步线性回归，同时熟悉sklearn的岭回归使用方法，对乐高玩具套件的二手价格做出预测。二、岭回归如果数据的特征比样本点还多应该怎么办？很显然，此时我们不能再使用上文的方法进行计算了，因为矩阵X不是满秩矩阵，非满秩矩

weixin_39902545·2023-01-09 15:40

《机器学习实战》——线性回归基础篇之预测鲍鱼年龄

一什么是回归？回归的目的是预测数值型的目标值。最直接的办法是依据输入写出一个目标值的计算公式。假如你想预测小姐姐男友汽车的功率，可能会这么计算：HorsePower=0.0015*annualSalary-0.99*hoursListeningToPublicRadio写成中文就是：小姐姐男友汽车的功率=0.0015*小姐姐男友年薪-0.99*收听公共广播的时间这就是所谓的回归方程（regress

频率52HZ·2023-01-09 15:39

“机器学习实战”刻意练习——回归问题：线性回归(最小二乘、岭回归、逐步回归)

参考：Python3《机器学习实战》学习笔记（十一）：线性回归基础篇之预测鲍鱼年龄-Jack-CuiPython3《机器学习实战》学习笔记（十二）：线性回归提高篇之乐高玩具套件二手价预测-Jack-Cui

nanashi_F·2023-01-09 15:37

机器学习实战教程（十一）：线性回归基础篇

一、前言前面的文章介绍了很多分类算法，分类的目标变量是标称型数据，而本文将会对连续型的数据做出预测。主要讲解简单的线性回归和局部加权线性回归，并通过预测鲍鱼年龄的实例进行实战演练。二、什么是回归？回归的目的是预测数值型的目标值。最直接的办法是依据输入写出一个目标值的计算公式。假如你想预测小姐姐男友汽车的功率，可能会这么计算：HorsePower=0.0015*annualSalary-0.99*h

M_Q_T·2023-01-09 15:05

python自学视频完整版_2017年最新python数据分析与机器学习实战基于Python3.5视频教程完整版附课件和代码...

weixin_39611070·2023-01-09 14:16

机器学习实战 2.4从数据探索和可视化中获得洞见

创建一个副本不伤害原始数据集。为了接下来能顺利使用plt函数，import新的库：housing=strat_train_set.copy()importmatplotlib.pyplotasplt;2.4.1将地理数据可视化将alpha设置为0.1，显示高密度点的位置：湾区、洛杉矶、圣地亚哥。为了更加图像能够凸显更多的信息，将每个区域的人口数量作为图中每个圆的半径大小，房价中位数表示圆的颜色，使

weixin_45853381·2023-01-09 12:50

机器学习实战 2.3获取数据

2.3.2下载数据我本来放在了这个位置：即书上提供的github网址上直接下载的code包粘贴到了我的study文件夹。但后来还是换成了一下位置（直接在D盘），原因后续会提到：注意在jupyter里面不要开启pytorch环境，因为我那里面还没pandas库：按文章输入代码：这里因为下载解压了数据文件，所以本地下载。当然没，没有按照书上的方法选择此方法的最大原因是总是报错“URLError:”，经

weixin_45853381·2023-01-09 12:49

机器学习实战刻意练习-- Task 5 支持向量机

Week3支持向量机（SupportVectorMachine，SVM）下面介绍支持向量机，首先我们提出几个问题：什么是SVM？首先，支持向量机不是一种机器，而是一种机器学习算法。SVM-SupportVectorMachine，俗称支持向量机，是一种supervisedlearning（监督学习）算法，属于classification（分类）的范畴。在数据挖掘的应用中，与unsupervised

ZHuZ1H·2023-01-09 00:43

机器学习实战：基于逻辑回归模型的信用卡欺诈检测

某银行为提升信用卡反欺诈检测能力，提供了脱敏后的一份个人交易记录。考虑数据本身的隐私性，数据提供之初已经进行了类似PCA的处理，并得到了若干数据特征。在不需要做额外特征提取工作的情况下，本项目意在通过逻辑回归模型的调优，得到较为准确可靠的反欺诈检测方法，分析过程中使用到了PythonPandas,Numpy,Matplotlib,Seaborn以及机器学习库Scikit-Learn等。数据链接：链

要好好学习呀！·2023-01-08 18:16

机器学习实战——关联分析

机器学习——关联分析1关联分析介绍1.1Apriori算法1.2FP-Growth算法2python中的实现3参考资料1关联分析介绍关联分析又称关联挖掘，就是在交易数据、关系数据或其他信息载体中，查找存在于项目集合或对象集合之间的频繁模式、关联、相关性或因果结构。下面介绍关联分析中几个常用的概念：项集：商品构成的集合，集合含有几个商品就称为几项集，如{啤酒、尿布}为二项集。关联规则：商品间具有X→

wxw_csdn·2023-01-08 17:55

《机器学习实战》chap1 机器学习概览

《机器学习实战》chap1机器学习概览Chap1TheMachineLearningLandscape这本书第三版也已经出版了:https://github.com/ageron/handson-ml3Hands-onMachineLearningwithScikit-Learn

临风而眠·2023-01-08 06:00

机器学习实战教程（九）：支持向量机实战篇

一、前言上篇文章讲解的是线性SVM的推导过程以及简化版SMO算法的代码实现。本篇文章将讲解SMO算法的优化方法以及非线性SVM。本文出现的所有代码，均可在我的github上下载，欢迎Follow、Star：点击查看二、SMO算法优化在几百个点组成的小规模数据集上，简化版SMO算法的运行是没有什么问题的，但是在更大的数据集上的运行速度就会变慢。简化版SMO算法的第二个α的选择是随机的，针对这一问题，

M_Q_T·2023-01-07 20:34

机器学习实战教程（十）：提升分类器性能利器-AdaBoost

一、前言前面的文章已经介绍了五种不同的分类器，它们各有优缺点。我们可以很自然地将不同的分类器组合起来，而这种组合结果则被成为集成方法(ensemblemethod)或者元算法(meta-algorithm)。使用集成方法时会有多种形式：可以是不同算法的集成，也可以是同一种算法在不同设置下的集成，还可以是数据集不同部分分配给不同分类器之后的集成。本文出现的所有代码和数据集，均可在我的github上下

M_Q_T·2023-01-07 20:34

机器学习实战教程(13篇)

机器学习实战教程(13篇)这些网址非常适合想学习机器学习，却苦于没有项目（尤其缺少数据）的人。无意中看到，给自己做一个记录。

M_Q_T·2023-01-07 19:01

机器学习：机器学习常见的算法分类和算法优缺点汇总

机器学习实战教程(13篇)_M_Q_T的博客-CSDN博客这些网址非常适合想学习机器学习，却苦于没有项目（尤其缺少数据）的人。无意中看到，给自己做一个记录。

M_Q_T·2023-01-07 19:01

Python的reshape(-1,3)的用法及引申

最近进行机器学习实战过程中，遇到了reshape函数的新用法，简单总结一下:Numpy中reshape函数的三种常见相关用法reshape(1,-1)转化成1行，列需要计算：reshape(2,-1)转换成两行

旅途中的宽~·2023-01-07 15:43

机器学习实战k-近邻算法(kNN)应用之改进婚恋网站配对效果代码解

一.背景简要说明问题背景不再详细赘述了，《机器学习实战》中有详细介绍，利用KNN想做的就是训练出一个分类器，能根据对方的一些特征判断他（她）对你的吸引程度，是不喜欢，还是一般喜欢，还是很喜欢。

SCUT_Arucee·2023-01-06 13:57

机器学习实战第二版---第八节：tensorflow数据预处理

数据预处理importtensorflowastffromtensorflowimportkerasimporttensorflow.keras.backendasKimportnumpyasnpX=tf.range(10)dataset=tf.data.Dataset.from_tensor_slices(X)#在RAM中完全创建一个数据集获取0-9的张量foriindataset:print(

菜椒爱菜鸟·2023-01-06 13:40

机器学习实战笔记——第十三章

一、数据API使用tf.data.Dataset.from_tensor_slices创建一个数据集：dataset=tf.data.Dataset.from_tensor_slices(tf.range(10))print(dataset,tf.range(10))foritemindataset:print(item)结果如下：from_tensor_slices该函数创建一个给定张量的切片（

DaMeng999·2023-01-06 13:01

基于Scikit-Learn和TensorFlow机器学习实战 Hands-On Machine Learning with Scikit-Learn&TensorFlow

目录源码网址安装anaconda环境装相关依赖或者第三方库第二章代码解读源码网址https://github.com/ageron/handson-ml安装anaconda环境参考这篇文章或者自己百度https://www.jianshu.com/p/d3a5ec1d9a08装相关依赖或者第三方库pipinstallpandaspipinstallscikit-learn==0.20.3#使用sc

爽歪歪和哇哈哈哈·2023-01-06 11:12

机器学习线性回归案例讲解_机器学习实战之训练模型-深入分析线性回归

线性回归模型就是对输入特征加权求和，再加上一个我们称为偏置项(截距)的常数，以此进行预测。它反映的是每一个特征对因变量的影响方向(θ值的正负)和影响力(θ的绝对值大小)。1.模型说明线性回归公式如下：是预测值是特征的数量是第i个特征值是第j个模型参数(包括偏置项以及特征权重,,...,)我也给出一个向量化的线性回归公式，看得明白的人就看一下，看不明白的人当作看明白就可以了。是模型的参数向量(列向量

weixin_39552317·2023-01-05 17:04

机器学习实战——Topic1使用线性回归构建房价预测模型

一、题设线性回归是最简单和经典的回归模型。假设输入xx为dd维，预测目标yy为连续型取值。线性回归的模型形式为：y=w0+w1x1+…+wdxdy=w0+w1x1+…+wdxd下面我们通过线性回归构建房价预测模型，回归系数使用最小二乘法来估计。我们的案例基于波士顿房价数据集，使用sklearn.linear_model模块提供的线性回归函数，构建房价预测模型，预测房价。1.样本数：5062.特征数

计科第一深情·2023-01-05 17:04

机器学习线性回归案例讲解_机器学习实战_线性回归&逻辑回归（一）

一些基础概念就随意带过了啦~~线性回归预测模型：$\theta_0$是偏置项bias$$\hat{y}=\theta_{0}+\theta_{1}x_{1}+\theta_{2}x_{2}+\dots+\theta_{n}x_{n}$$上述公式可以写成更为简洁的向量形式:$$\hat{y}=h_{\theta}(\mathbf{x})=\theta^T\cdot\mathbf{x}$$$\thet

weixin_39603799·2023-01-05 17:33

【机器学习实战】三、使用LSTM实现IBM股票价格预测

使用LSTM实现IBM股票价格预测一、导入第三方库importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.preprocessingimportMinMaxScalerfromkeras.modelsimportSequentialfromkeras.layersimportDense,LSTM,Dropoutf

敷衍zgf·2023-01-05 17:33

【机器学习实战】五、实现非线性回归模型案例

非线性回归模型案例一、导入第三方库、读取显示数据importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltfromlinear_regressionimportLinearRegressiondata=pd.read_csv('./data/non-linear-regression-x-y.csv')x=data['x'].values

敷衍zgf·2023-01-05 17:33

【机器学习实战】二、随机森林算法预测出租车车费案例

随机森林算法预测出租车车费案例一、导入第三方库importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimportseabornassnsimportsklearn二、加载数据集train=pd.read_csv('train.csv',nrows=1000000)#加载前1000000条数据test=pd.read_csv('test

敷衍zgf·2023-01-05 17:32

《机器学习实战》9.3树回归之模型树和项目案例

《机器学习实战》9.3树回归之模型树和项目案例搜索微信公众号:‘AI-ming3526’或者’计算机视觉这件小事’获取更多人工智能、机器学习干货csdn：https://blog.csdn.net/baidu

xiaoming3526·2023-01-05 17:32

【机器学习实战】四、实现线性回归模型案例

线性回归案例一、初始化方法1.对数据进行预处理模块，调用prepare_for_training方法，得到返回值data_processed,features_mean,features_deviation2.得到所有的特征个数，即data的特征维数的列(行shape[0]，列shape[1])3.初始化参数矩阵#data:数据labels:有监督的标签polynomial_degree、sinu

敷衍zgf·2023-01-05 17:01

机器学习系列-Locally weighted linear regression(2)

编程基础：C/C++,python在观看机器学习实战这本书，慢慢介入。

哇小明·2023-01-04 18:04

机器学习——07树回归

机器学习——07树回归参考资料AIlearningMachine-Learning-in-Action机器学习实战（美）哈林顿(Harrington,P.)著；李锐等译.

雨落俊泉·2023-01-04 14:26

机器学习实战步骤（qbit）

实战步骤机器学习实战有五大步:1定义问题第一步是定义问题在定义问题这个环节中，我们要剖析业务场景，设定清晰的目标，同时还要

·2023-01-04 11:18

【深度之眼】机器学习实战（三）：X —— 约会网站配对

InitialHeart2021·2023-01-04 10:12

【深度之眼】机器学习实战（二）：分类 —— 手写识别系统【K近邻】

InitialHeart2021·2023-01-04 10:11

【Kaggle】机器学习实战（二）：【数据预测】员工离职预测

InitialHeart2021·2023-01-04 10:41

【天池】机器学习实战（一）：分类 —— o2o 优惠券使用预测比赛

InitialHeart2021·2023-01-04 10:41

《机器学习实战》加利福尼亚州房屋价格数据结构与可视化

小试牛刀刚买到《机器学习实战》这本书，爱不释手。但是里面在调试第二章的第一处代码的时候就出现了问题，所以将一些调试结果与对其理解写在下面。

Atom_QQ2022313691·2023-01-04 08:31

win7 64位安装python 及matplotlib库(亲测有效)

最近想学习一下机器学习，用的是人民出版社的《机器学习实战》，Python版的，感觉应该比较容易入门。看到第二章，需要用到matplotlib模块，以下为我自己的配置流程。

weixin_30437337·2023-01-04 08:57

边境的悍匪—机器学习实战：第三章分类

第三章分类文章目录第三章分类前言一、思维导图二、主要内容1、MNIST2、训练二元分类器3、性能测量4、多类分类器5、误差分析6、多标签分类7、多输出分类三、课后练习四、总结前言上一章我们了解了如何去完整的完成一个机器学习任务，其中用到了很多的模型。这一章我们将更加深入的了解分类模型，二元分类、多类分类、多标签分类、多输出分类，以及分类模型的性能测量精度/召回率和ROC，最后再对模型使用混淆矩阵进

doubleZ7·2023-01-03 09:43

边境的悍匪—机器学习实战：第十八章强化学习

第十八章强化学习文章目录第十八章强化学习前言一、主要内容1、学习优化奖励2、策略搜索3、OpenAIGym介绍4、神经网络策略5、评估动作：信用分配问题6、策略梯度7、马尔克夫决策过程8、时序差分学习9、Q学习10、实现深度Q学习11、深度Q学习的变体12、TF-Agents库13、一些流行的RL算法概述二、课后练习三、总结前言强化学习同样是一个很古老在很早之前就已经提出来的思想，目前主要应用与游

doubleZ7·2023-01-03 09:43

边境的悍匪—机器学习实战：第七章集成学习和随机森林

第七章集成学习和随机森林文章目录第七章集成学习和随机森林前言一、思维导图二、主要内容1、投票分类器2、bagging和pasting3、随机补丁和随机子空间4、随机森林5、提升法6、堆叠法三、课后练习四、总结前言在上一章我们提到过吧很多的决策树集成到一起来提高模型的准确性，集成出来的这个模型称之为随机森林，这种集成的方式就是集成学习。对于一个很复杂的问题，一个人的回答并不一定是准确的，但是如果我们

doubleZ7·2023-01-03 09:12

边境的悍匪—机器学习实战：第十一章训练深度神经网络

第十一章训练深度神经网络文章目录第十一章训练深度神经网络前言一、思维导图二、主要内容1、梯度消失与梯度爆炸问题2、重用预训练层3、更快的优化器4、通过正则化避免过拟合5、总结和实用指南三、课后练习四、总结前言前面的一章我们了解了什么是神经网络，神经网络的发展、组成、应用等一系列的知识。在上一章的基础上我们开始进入这一章训练深度神经网络的学习。我们在训练一个神经网络的过程中会遇到的很多的问题例如：1