——机器学习实战

k均值聚类（k-means）

机器学习算法与Python实践这个系列主要是参考《机器学习实战》这本书。因为自己想学习Python，然后也想对一些机器学习算法加深下了解，所以就想通过Python来实现几个比较常用的机器学习算法。
AFCentry·2023-01-02 11:32

【值得收藏】机器学习实战项目汇总（初级、中级、高级）

大家都知道，教科书上所学与实际操作还是有出入的，那关于机器学习有什么好的项目可以实操吗？这次给大家分享一个涵盖面向初学者，中级专家和专家的23种机器学习项目创意，以获取有关该增长技术的真实经验。这些机器学习项目构想将帮助你了解在职业生涯中取得成功、和当下就业所需的所有实践。通过项目学习是你短期内能做的最好投资，这些项目构想使你能够快速发展和增强机器学习技能。语言上，这些机器学习项目可以用Pytho
Python数据开发·2023-01-01 11:10

机器学习实战 | 第2章 k-临近算法

以下代码全部基于python3一、k-临近算法概述工作原理：存在一个样本数据集合（也称作训练样本集），并且样本集中每个数据都存在标签（即我们知道样本中每一数据与所属分类的对应关系）。输入没有标签的新数据后，将新数据的特征值与样本中数据对应的特征值进行比较，然后算法提取样本集中特征最相似数据（最邻近）的分类标签。一般来说，我们只选择样本数据集中前k个最相似的数据，通常k是不大于20的整数。最后选择k
小沈同学_·2022-12-31 17:23

唐宇迪python课程数据百度云_【推荐下载】2017最新唐宇迪 Python数据分析与机器学习实战视频教程...

2017最新唐宇迪Python数据分析与机器学习实战视频教程【课程介绍】课程风格通俗易懂，真实案例实战。
weixin_39889337·2022-12-31 09:55

机器学习算法【11】--推荐系统实战

前言：本文是机器学习实战中的案例，餐馆菜肴推荐系统fromnumpyimport*fromnumpyimportlinalgasla#载入数据(用户-菜肴矩阵)#行为用户,列为希肴,表示用户对某个菜肴的评分
且行且安~·2022-12-30 19:20

边境的悍匪—机器学习实战：第十五章 使用CNN和RNN处理序列

第十五章使用CNN和RNN处理序列文章目录第十五章使用CNN和RNN处理序列前言一、思维导图二、主要内容1、循环神经元和层2、训练RNN3、预测时间序列4、处理长序列三、课后练习四、总结前言在我们的实际生活中会遇到很多的数据信息，大致分为两种1、有规则的，例如：时间、日期、距离、气温…都是由一定的规则组成然后传递给我们或者计算机。2、无规则的，例如：文本内容，音频、自然语言。同样是信息的载体，但是
doubleZ7·2022-12-30 14:43

贝叶斯分类器的matlab实现_教你学Python28-朴素贝叶斯简介

一、引子最近几天一直没来得及看《机器学习实战》这本书，感觉停滞了很久，因为需要对AIMI-CN的规划进行考虑，想了很久做了一些皮毛的东西，决定还是慢慢来按部就班，东西做出来才能说话，当然之后我做这个文章的时候
weixin_39523625·2022-12-30 09:38

logistic 回归全总结：《机器学习》第三章 +《机器学习实战》第五章

逻辑回归是一种分类模型，将sigmoid(x)=11+e−x=ex1+exsigmoid(x)=\frac{1}{1+e^{-x}}=\frac{e^x}{1+e^x}sigmoid(x)=1+e−x1=1+exex套在线性回归f(x)=wTx+bf(x)=w^Tx+bf(x)=wTx+b上得到，即y=11+e−(wTx+b)y=\frac{1}{1+e^{-(w^Tx+b)}}y=1+e−(wT
_森罗万象·2022-12-29 19:50

线性回归全总结：《机器学习》第三章 + 《机器学习实战》第八章 + 理论补充

线性回归的模型是f(xi)=wTxi+bf(xi)∼yif(x_i)=w^Tx_i+b\quadf(x_i)\simy_if(xi)=wTxi+bf(xi)∼yi，其中xix_ixi是n×1n\times1n×1的向量（即有nnn个特征），www是n×1n\times1n×1的向量。若有mmm个数据，形成Xm×nX_{m\timesn}Xm×n的数据集和ym×1y_{m\times1}ym×1的目
_森罗万象·2022-12-29 19:04

机器学习之集成学习算法简介

今天给大家介绍一下机器学习实战中，应用非常广泛的一种分析方法，集成学习方法。集成学习在当前数据分析竞赛中（无论是kaggle也好还是国内的一些竞赛）是最常用的一种学习方法，效果也一直不错。
白话机器学习·2022-12-29 19:28

Python基于PyTorch实现BP神经网络ANN回归模型项目实战

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。
胖哥真不错·2022-12-29 14:55

Python基于PyTorch实现BP神经网络ANN分类模型项目实战

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。
胖哥真不错·2022-12-29 14:52

机器学习之支持向量机（一）：支持向量机的公式推导

我在支持向量机系列中主要讲支持向量机的公式推导，第一部分讲到推出拉格朗日对偶函数的对偶因子α；第二部分是SMO算法对于对偶因子的求解；第三部分是核函数的原理与应用，讲核函数的推理及常用的核函数有哪些；第四部分是支持向量机的应用，按照机器学习实战的代码详细解读
weixin_30826761·2022-12-28 20:01

免费课程 | 云脑机器学习实战训练营，中美大咖携手带你飞！

云脑机器学习实战训练营，硅谷大咖授课，中美导师深度辅导，三项挑战等你逐一击破！主办方介绍云脑科技是一家跨越中美两地的人工智能行业平台公司，在深
PaperWeekly·2022-12-28 20:57

边玩边学！交互式可视化图解！快收藏这18个机器学习和数据科学网站！⛵

作者：韩信子@ShowMeAI机器学习实战系列：https://www.showmeai.tech/tutorials/41深度学习实战系列：https://www.showmeai.tech/tutoria
·2022-12-28 19:21

【深度学习】梯度消失和梯度爆炸问题的最完整解析

作者丨奥雷利安·杰龙来源丨机械工业出版社《机器学习实战：基于Scikit-Learn、Keras和TensorFlow》编辑丨极市平台1梯度消失与梯度爆炸正如我们在第10章中讨论的那样，反向传播算法的工作原理是从输出层到输入层
风度78·2022-12-28 19:06

机器学习实战 2.6选择和训练模型 & 2.7微调模型

2.6.1训练和评估数据集首先，先训练一个线性回归模型：fromsklearn.linear_modelimportLinearRegressionlin_reg=LinearRegression()#模型训练lin_reg.fit(housing_prepared,housing_labels)此时就有一个可以工作的线性回归模型了，让我们用几个训练集的实例试试：#在几个训练实例上应用完整的预处理
weixin_45853381·2022-12-28 13:27

机器学习-模型的评估与选择

《机器学习实战》和《统计学原理》可以同时看，会发现有些单看一本书不能理解的地方
叶尘封·2022-12-28 13:53

机器学习实战——模型评估与结果修正

在预测模型生成结果之后，我们需要对得到的结果进行评估，进而修正预测模型，这时需要用到混淆矩阵(confusionmatrix)，也称为错误矩阵(errormatrix)。之所以叫做‘混淆矩阵’，是因为能够直观的到有没有将样本的类别给混淆了。混淆矩阵是评判模型结果的指标，属于模型评估的一部分。矩阵的每一行代表样本所属的真实类别，矩阵的每一列则表达了分类器对于样本的类别预测，而每个格子中的数值大小代表
_Yucen·2022-12-28 13:52

C++实现基于概率论的分类方法--朴素贝叶斯分类

【机器学习实战】：C++实现基于概率论的分类方法--朴素贝叶斯分类（NaiveBayesClassifier）转载自：机器学习实战朴素贝叶斯分类算法是机器学习中十分经典而且应用十分广泛的算法，下面将逐步学习和说明
Xiaoting_Cheng·2022-12-28 13:33

Python实现猎人猎物优化算法(HPO)优化支持向量机分类模型(SVC算法)项目实战

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。
胖哥真不错·2022-12-28 08:09

Python实现基于Optuna超参数自动优化的Catboost回归模型(CatBoostRegressor算法)项目实战

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。
胖哥真不错·2022-12-28 08:08

Python实现猎人猎物优化算法(HPO)优化支持向量机回归模型(SVR算法)项目实战

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。
胖哥真不错·2022-12-28 08:23

机器学习实战项目总结

1、预测模型新项目模板机器学习是针对数据进行自动挖掘，找出数据的内在规律，并应用这个规律来预测新数据。一个很好的实践机器学习项目的方法：使用从UCI机器学习仓库链接，获取的数据集开启一个机器学习项目。分类或回归模型的机器学习项目可以分成以下六个步骤：1、定义问题2、理解数据3、数据准备4、评估算法5、优化模型6、结果部署注意：有时这些步骤可能被合并或进一步分解。项目模板：#python机器学习项目
疋瓞·2022-12-28 07:10

机器学习实战(jupyter)/第一部分第二章/划分数据集的方式

#加载库importosimporttarfileimportpandasaspdfromsix.movesimporturllib导入数据集DOWNLOAD_ROOT="https://raw.githubusercontent.com/ageron/handson-ml/master/"HOUSING_PATH=os.path.join("datasets","housing")HOUSING
怙乐不悛·2022-12-28 02:15

knn算法实例python_机器学习实战之kNN算法

机器学习实战这本书是基于python的，如果我们想要完成python开发，那么python的开发环境必不可少：(1)python3.52,64位，这是我用的python版本(2)numpy1.11.3,64
芳奎·2022-12-27 19:43

Python实现DE差分进化算法优化支持向量机分类模型(SVC算法)项目实战

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。
胖哥真不错·2022-12-27 14:27

《机器学习实战2》

2017.2.28第二章《k-近邻算法》思维导图：1、基本算法原理简单地说，k近邻算法采用测量不同特征值之间的距离方法进行分类。优点：精度高、对异常值不敏感、无数据输入假定。缺点：计算复杂度高、空间复杂度高。适用数据范围：数值型和标称型。工作原理：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输人没有标签的新数据后，将新数据
祚儿疯·2022-12-27 07:44

机器学习实战书-第二章K-近邻算法笔记

本章介绍第一个机器学习算法：A-近邻算法，它非常有效而且易于掌握。首先，我们将探讨女-近邻算法的基本理论，以及如何使用距离测量的方法分类物品；其次我们将使用?7««^从文本文件中导人并解析数据；再次，本书讨论了当存在许多数据来源时，.如何避免计算距离时可能碰到的一些常见错误；最后，利用实际的例子讲解如何使用匕近邻算法改进约会网站和手写数字识别系统。一、K-近邻算法概述--------->K-近邻算
bajiong1328·2022-12-27 07:13

【机器学习实战】利用sklearn中的随机森林对红酒数据集进行分类预测

1.sklearn中的集成算法sklearn中的集成算法模块ensemble2.预测代码及结果%matplotlibinlinefromsklearn.treeimportDecisionTreeClassifierfromsklearn.ensembleimportRandomForestClassifierfromsklearn.datasetsimportload_winefromsklea
想做一只快乐的修狗·2022-12-26 23:14

机器学习实战sklearn_随机森林

一、简介这是一个使用天气数据集，建立随机森林模型，对数据集进行训练，从而对天气最高温度进行预测，步骤：1、载入数据2、数据预处理3、划分数据集为训练数据集，测试数据集4、建立模型5、预测，调优二、具体步骤，1、载入数据：importpandasaspd#载入数据features=pd.read_csv('data/temps.csv')#数据前五行features.head(5)#数据特征prin
bailixuance·2022-12-26 23:07

《机器学习实战》第10章 k-means聚类可视化

frommathimportsqrtfromdisimportdisfromrandomimportrandomimportnumpyasnpimportmatplotlib.pyplotaspltimportmath'''-----函数定义区-----'''defloadDataSet(fileName):dataMat=[]fr=open(fileName)forlineinfr.readli
Reyl·2022-12-26 21:51

机器学习实战之Logistic回归（四）从疝气病症状预测病马的死亡率（含数据集）

Logistic回归（三）从疝气病症状预测病马的死亡率（含数据集）准备准备数据：处理数据中的缺失值训练算法：使用优化算法，找到最佳系数测试算法：用Logistic回归进行分类转载请注明作者和出处：https://blog.csdn.net/weixin_45814668微信公众号：qiongjian0427知乎：https://www.zhihu.com/people/qiongjian0427G
琼简·2022-12-26 16:06

《机器学习实战》 Logistic回归预测患有疝气病的马的存活问题

《机器学习实战》实现使用Logistic回归来预测患有疝气病的马的存活问题；结果截图：完整代码：#-*-coding:utf-8-*-#@Time:2021/6/2115:39#@Author:weiwei
慰慰·2022-12-26 16:35

python数据分析实战案例logistic_Python3《机器学习实战》学习笔记（七）：Logistic回归实战篇之预测病马死亡率...

Python版本：Python3.x运行平台：WindowsIDE：Sublimetext3一、前言本文对梯度上升算法和改进的随机梯度上升算法进行了对比，总结了各自的优缺点，并对sklearn.linear_model.LogisticRegression进行了详细介绍。二、改进的随机梯度上升算法梯度上升算法在每次更新回归系数(最优参数)时，都需要遍历整个数据集。可以看一下我们之前写的梯度上升算法
weixin_39786155·2022-12-26 16:05

Python3：《机器学习实战》之Logistic回归（3）预测病马死亡率

Python3：《机器学习实战》之Logistic回归（3）预测病马死亡率转载请注明作者和出处：http://blog.csdn.net/u011475210代码地址：https://github.com
WordZzzz·2022-12-26 16:03

Python3《机器学习实战》学习笔记（七）：Logistic回归实战篇之预测病马死亡率

https://blog.csdn.net/c406495762/article/details/77851973
liang583206·2022-12-26 16:00

机器学习实战课后习题（一）

机器学习实战课后习题第一章答案课本：handson-ml21.如何定义机器学习？机器学习是一门能够让编程计算机从数据中学习的计算机科学。2.机器学习在哪些问题上表现突出？是否能提出四种类型？
小生叫安辰·2022-12-26 15:09

实战+练习！用机器学习预测肺癌 | 明晚8点美国西奈山博后免费直播

（对整个活动，或者往期内容感兴趣的，可以直接往后拉）机器学习实战一个代谢组学案例·内容简介·一个肺癌案例，串起假设检验、回归分析与常见机器学习模型。
生信宝典·2022-12-26 14:51

Python--《机器学习实战》学习笔记之决策树--利用Matplotlib注解绘制树形图

从机器学习的门缝开始窥了那一眼利用Matplotlib注解绘制树形图Matplotlib注解工具—annotations此模块运用了一个非常重要的技术将一些对象和变量作为函数的属性在函数的外部进行初始化由于其全局的特性,使得在整个递归过程中,任意过程对这些变量的修改都会反馈到程序后续的运行过程中----比如:外层栈堆对变量的修改会进入内层栈堆--------内层栈堆对变量的修改在出栈之后同样会反馈
反派大魔王·2022-12-26 09:05

《机器学习》及实战三、决策树理论及实战

Python版本：Python3.x运行平台：WindowsIDE：PyCharm参考资料：《机器学习》（西瓜书）《机器学习实战》（王斌）转载请标明出处：https://blog.csdn.net/tian121381
Yuuuuu丶Tian·2022-12-26 08:30

机器学习实战——分类及性能测量完整案例（建议收藏慢慢品）

曲线4.多类分类器5.误差分析6.多标签分类7.多输出分类写在前面参考书籍：Hands-OnMachineLearningwithScikit-Learn,Keras,andTensorFlow❤本文为机器学习实战学习笔记
Dream丶Killer·2022-12-25 19:53

机器学习实战 第一章练习题

如果见解，欢迎指教题目：如何定义机器学习？机器学习在哪些问题上表现突出，你能给出四种类型吗？什么是被标记的训练数据集？最常见的两种监督学习任务是什么？你能列举出四种常见的无监督学习任务吗？要让一个机器人在各种未知的地形中行走，你会使用什么类型的机器学习算法？要将顾客分成多组，你会使用什么类型的算法？你会将垃圾邮件检测的问题列为监督学习还是无监督学习？什么是在线学习系统？什么是核外学习？什么类型的学
瑾明达2号·2022-12-25 17:02

认识机器学习 机器学习实战第一章

学习目标机器学习实战第一章学习内容1.什么是机器学习？答：简单地说，机器学习就是把无序的数据转换成有用的信息。2.数据来源？
creator_gzw·2022-12-25 17:28

Spark Mllib里如何建立密集向量和稀疏向量（图文详解）

具体，见SparkMllib机器学习实战的第4章Mllib基本数据类型和Mllib数理统计
weixin_34071713·2022-12-25 11:02

机器学习实战 2.5机器学习算法的数据准备

回到一个干净的训练集（再次复制strat_train_set），然后将预测器和标签分开（因为不一定对它们使用相同的转换方式）。#获取删除标签列后的数据集housing=strat_train_set.drop("median_house_value",axis=1)#drop()会创建一个数据副本，但不影响strat_train_set#标签列housing_labels=strat_train_
weixin_45853381·2022-12-24 12:22

【白话机器学习】算法理论+实战之K-Means聚类算法

监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集成算法Adaboost等无监督算法：聚类，降维，关联规则,PageRank等为了详细的理解这些原理，曾经看过西瓜书，统计学习方法，机器学习实战等书
算法channel·2022-12-24 11:04

《机器学习实战 学习笔记》（二）：端到端的机器学习项目

文章目录第2章端到端的机器学习项目 1使用真实数据(加州房价预测)    1.1流行的各个领域的开放数据集存储库 2观察大局    2.1框架问题    2.2选择性能指标    2.3检查假设 3获取数据    3.1创建工作区    3.2下载数据    3.3快速查看数据结构    3.4创建测试集(经常被忽视但至关重要) 4从数据探索和可视化中获得洞见EDA（pandas、matplotl
闹闹的BaBa·2022-12-24 09:38

【机器学习实战】基于代价敏感学习的AdaCost方法用于信用卡欺诈检测

1.数据集数据集地址：CreditCardFraudDetection数据集整体浏览：284807个样本，30个特征，1个分类标签ClassClass为0的是多数类，一共有284315个样本。Class为1的是少数类，一共有492个样本，可见数据集是不平衡的。2.对Adaboost的代码进行修改，构造代价调整函数，并对数据集进行分类代码结构：adacost.pyimportnumpyasnpfro
想做一只快乐的修狗·2022-12-24 00:41

机器学习实战（二）使用LightGBM的回归问题模型搭建

目录1.导入所用的数据包2.导入模型建立所需要的数据3.数据集划分4.导入训练包与交叉验证包（LGBM）5.模型训练6.模型验证及画图7.画图展示模型验证情况8.特征重要性分析数据集链接S.Thai,H.Thai,B.Uy,T.Ngo,M.Naser,TestDatabaseonConcrete-FilledSteelTubularColumns,2019,https://doi.org/10.1
dearfree·2022-12-23 18:40
上一页 8 9 10 11 12 13 14 15 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他