——机器学习实战

机器学习实战（一）：The Machine Learning Landscape

TypesofMachineLearningSystemssupervised,unsuper‐vised,semisupervised,andReinforcementLearningonline,batchlearninginstance-based,model-basedlearningSupervised/UnsupervisedLearningSupervisedlearning典型：分
一城山河·2022-12-23 15:36

[人工智能学习日志]kaggle机器学习实战案例学习1

大佬爆肝750小时把kaggle上【12大机器学习实战项目】用视频的方式讲明白了！
jessica_comeon·2022-12-23 09:33

python机器学习实战|机器学习入门笔记1-机器学习流程+matplotlib简单应用

文章目录1.机器学习工作流程2.数据集的介绍2.1数据简介2.2数据类型构成：3.数据处理3.1数据划分3.2数据基本处理4.特征工程4.1特征提取4.2特征预处理4.3特征降维5.模型训练6.模型评估6.1分类模型评估6.2回归模型评估6.3拟合7.JupyterNotebook使用7.1jupyter定义7.2jupyter和pycharm对比7.3如何使用7.4cell7.5快捷键7.6ma
小赵同学871·2022-12-23 07:31

机器学习算法与Python实践之逻辑回归（Logistic Regression）

Python实践之（七）逻辑回归（LogisticRegression）[email protected]://blog.csdn.net/zouxy09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
resourse_sharing·2022-12-23 07:25

机器学习算法与Python实践之（七）逻辑回归（Logistic Regression）

本文转载至机器学习算法与Python实践之（七）逻辑回归（LogisticRegression）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。
柚子一只·2022-12-23 07:21

就离谱！使用机器学习预测2022世界杯：小组赛挺准，但冠亚季军都错了 ⛵

作者：韩信子@ShowMeAI数据分析实战系列：https://www.showmeai.tech/tutorials/40机器学习实战系列：https://www.showmeai.tech/tutorials
ShowMeAI·2022-12-22 17:38

机器学习实战（一）——员工离职预测

文章目录员工离职预测——逻辑回归的应用1读取文件2独热编码3划分数据集4归一化5逻辑回归预测6模型预测及评估员工离职预测——逻辑回归的应用开始这个案例之前，请先点击这里的数据集进行下载：HR_comma_sep.zip-蓝奏云(lanzout.com)1读取文件我们使用pandas来读取输出并且进行预处理。首先是导入代码所需的包。importnumpyasnpimportpandasaspd接下来
ArimaMisaki·2022-12-22 15:25

推荐系统的学习笔记

一直以来对推荐系统的学习和理解来自一些机器学习书中简单介绍（如《集体智慧编程》和《机器学习实战》）和自己网上搜的一些资料。
白熊花田·2022-12-22 14:31

机器学习实战——PCA实现图像压缩

1.主成分分析概述主成分分析是最为简单粗暴的一种数据降维方式，顾名思义就是找到数据中最为主要的方面，用这些方面来替代原始数据。具体来说，假设我们有一个具有n维特征的数据集，共有m个样本点，我们希望将这m个样本的特征维度从n维降到b维，希望b维数据尽可能的替代原始数据集。其中最为重要的因素就是如何保证减少维度后数据损失尽可能的小如下图所示，我们试图将二维数据降到一维，图中列出两个维度PC1和PC2，
chaung船长·2022-12-22 11:16

自然语言处理系列十三》中文分词》机器学习统计分词》隐马尔可夫模型HMM分词

注：此文章内容均节选自充电了么创始人，CEO兼CTO陈敬雷老师的新书《分布式机器学习实战》（人工智能科学与技术丛书）【陈敬雷编著】【清华大学出版社】文章目录自然语言处理系列十三中文分词隐马尔可夫模型HMM
陈敬雷-充电了么-CEO兼CTO·2022-12-22 06:02

【机器学习实战】第12章 使用FP-growth算法来高效发现频繁项集

第12章使用FP-growth算法来高效发现频繁项集前言在第11章时我们已经介绍了用Apriori算法发现频繁项集与关联规则。本章将继续关注发现频繁项集这一任务，并使用FP-growth算法更有效的挖掘频繁项集。FP-growth算法简介一种非常好的发现频繁项集算法。基于Apriori算法构建,但是数据结构不同，使用叫做FP树的数据结构结构来存储集合。下面我们会介绍这种数据结构。FP-growth
片刻小哥哥·2022-12-21 18:01

实用！7个强大的Python机器学习库！⛵

作者：韩信子@ShowMeAI机器学习实战系列：https://www.showmeai.tech/tutorials/41本文地址：https://www.showmeai.tech/article-detail
ShowMeAI·2022-12-21 12:08

机器学习和数据挖掘推荐书单

《机器学习实战》：本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法
漂亮男孩不说谎·2022-12-21 07:46

机器学习和数据挖掘推荐书单及简介

《机器学习实战》：本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法
asdasdasdasasd1111·2022-12-21 07:13

机器学习100天（一）：001 开发环境搭建

机器学习实战需要编写代码，选择一个好的IDE能大大提高我们的开发效率。基于Python的广泛使用，我们给大家介绍当前最流行的机器学习开发工具包：Anaconda。
红色石头Will·2022-12-20 21:20

就离谱！使用机器学习预测2022世界杯：小组赛挺准，但冠亚季军都错了 ⛵

作者：韩信子@ShowMeAI数据分析实战系列：https://www.showmeai.tech/tutorials/40机器学习实战系列：https://www.showmeai.tech/tutorials
·2022-12-20 17:44

机器学习实战（4）——训练模型

目录1线性回归2标准方程3复杂度4梯度下降5批量梯度下降6随机梯度下降7小批量梯度下降8多项式回归9学习曲线10正则线性模型10.1岭回归10.2套索回归10.3弹性网络10.4早期停止法10.5逻辑回归10.5.1概率估算10.5.2训练和成本函数10.5.3决策边界11Softmax回归1线性回归概括来说，线性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（或截距项）的常数，以此进行预测
WHJ226·2022-12-20 12:03

《机器学习》及实战四、贝叶斯理论及实战

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·2022-12-20 12:02

【机器学习实战】决策树 python代码实现

typora-copy-images-to:upload第三章决策树3.1决策树的构造优点：计算复杂度不高输出结果易于理解对中间值的缺失不敏感，可以处理不相关的特征数据缺点：可能会产生过度匹配的问题适用数据类型数据型和标称型一般流程：收集数据准备数据分析数据训练算法测试算法使用算法数据重新加载的问题代码实现#coding:UTF-8frommathimportlog#计算给定数据集的香农嫡defc
小胡的博客号Aoife艺馨·2022-12-19 16:49

实用！7个强大的Python机器学习库！⛵

作者：韩信子@ShowMeAI机器学习实战系列：https://www.showmeai.tech/tutorials/41本文地址：https://www.showmeai.tech/article-detail
·2022-12-19 16:34

【机器学习实战】利用sklearn中的逻辑回归对癌症分类预测-良／恶性乳腺癌肿瘤预测

1.数据集数据下载地址：https://archive.ics.uci.edu/ml/machine-learning-databases/数据描述（1）699条样本，共11列数据，第一列用语检索的id，后9列分别是与肿瘤相关的医学特征，最后一列表示肿瘤类型的数值。（2）包含16个缺失值，用”?”标出。2.分析——实现步骤获取数据（读取的时候加上names）数据处理（缺失值）数据集划分特征工程（无
想做一只快乐的修狗·2022-12-19 14:40

机器学习实战教程（五）：朴素贝叶斯实战篇

一、前言上篇文章机器学习实战教程（四）：朴素贝叶斯基础篇_M_Q_T的博客-CSDN博客讲解了朴素贝叶斯的基础知识。
M_Q_T·2022-12-19 14:38

极端气候？自然灾害？【实战】机器学习预测森林火灾

作者：韩信子@ShowMeAI机器学习实战系列：https://www.showmeai.tech/tutorials/41本文地址：https://www.showmeai.tech/article-detail
ShowMeAI·2022-12-18 18:45

机器学习实战之SVM与二分类

文章目录一、线性SVM1.1最大间隔与分类1.2对偶问题1.3SMO算法流程二、非线性SVM2.1核函数与核技巧2.3软间隔与正则化2.4支持向量回归三、代码实战3.1数据准备3.2算法实现3.3运行结果及分析四、总结一、线性SVM1.1最大间隔与分类在样本空间中寻找一个超平面,将不同类别的样本分开，同时，这条线要与样本点有着尽可能大的间隔。那么，这条线就是在最边缘的两个样本点的中间，这些边缘的样
浅雨梦梨·2022-12-18 15:21

KNN-机器学习实战

11.27机器学习实战之KNN初探摘抄的别人的链接这个文章写的非常详细~~~(https://blog.csdn.net/c406495762/article/details/75172850)K-近邻法
weixin_42884430·2022-12-18 14:29

机器学习实战（一）：k-近邻算法

一、k-近邻法简介k近邻法(k-nearestneighbor,k-NN)是1967年由CoverT和HartP提出的一种基本分类与回归方法。它的工作原理是：存在一个样本数据集合，也称作为训练样本集，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个数据与所属分类的对应关系。输入没有标签的新数据后，将新的数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本最相似数据(最近邻)的分
coyote_xujie·2022-12-18 14:55

波士顿房价预测python决策树_模型评价与验证-波士顿房价预测.ipynb

,"metadata":{},"source":["##模型评价与验证：波士顿房价预测"]},{"cell_type":"markdown","metadata":{},"source":["欢迎来到机器学习实战系列的波士顿房价预测项目
weixin_39678525·2022-12-18 11:28

边境的悍匪—机器学习实战：第八章 降维

第八章降维文章目录第八章降维前言一、思维导图二、主要内容1、维度的诅咒2、降维的主要方法3、PCA4、内核PCA5、LLE6、其他降维技术三、降维技术四、总结前言我们模型的训练的时候会遇到很多由维度（特征）带来的困难，例如维度太多导致训练速度变慢，训练数据有很多无用的特征使得模型性能不好等。在面对这些困难的时候最直观的一个方法就是降维即删除掉一个无用的特征，但是特征并不能随便删除的需要做到在删除特
doubleZ7·2022-12-18 10:46

机器学习实战：各种测试集的划分方法（随机划分，分层抽样，hash划分）

理论上，创建测试集非常简单：只需要随机选择一些实例，通常是数据集的20％。纯随机的抽样方法defsplit_train_test(data,test_ratio):#对0-len(data)之间的序列进行随机排序shuffled_indices=np.random.permutation(len(data))test_set_size=int(len(data)*test_ratio)test_i
evil心安·2022-12-17 15:49

python knn算法和结果_Python KNN算法

机器学习新手，接触的是《机器学习实战》这本书，感觉书中描述简单易懂，但对于python语言不熟悉的我，也有很大的空间。今天学习的是k-近邻算法。
柳飞飞·2022-12-17 12:31

【ML】基于机器学习的心脏病预测研究(附代码,lightgbm模型)

今天手把手带大家做一个机器学习实战项目：基于机器学习的心脏病预测研究。多的不说，少的不唠，下面开始今天的教程。  以下内容，完全是我根据参考资料和个人理解撰写出来的，不存在滥用原创的问题。
机器不学习我学习·2022-12-16 16:00

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/tutorials
ShowMeAI·2022-12-16 15:17

机器学习实战之集体智慧编程学习笔记(2):聚类

聚类的作用监督学习与无监督学习监督学习无监督学习数据源聚类分类分级聚类k-均值聚类对偏好的聚类二维聚类思维导图由于代码中都有很详细的注解所以没有做过多的解释有问题请留言或私信解决聚类的作用通过聚类,我们可以跟踪统计消费者信息,发现具有相似消费习惯的群体,并据此开发相应的产品或者市场策略监督学习与无监督学习监督学习利用样本输入和期望输出来学习如何预测的技术神经网络决策树向量支持机贝叶斯过滤无监督学习
冷鸢J·2022-12-16 12:36

【机器学习实战】朴素贝叶斯 python代码实现

朴素贝叶斯输入数据创造词汇表代码实现：#coding:UTF-8defloadDataSet():"""创建了一下实验样本:return:词条且分的文档集合，类别标签的集合，自动检测侮辱性的语言"""postingList=[['my','dog','has','flea',\'problem','help','please'],['maybe','not','take','him',\'to',
小胡的博客号Aoife艺馨·2022-12-16 09:34

机器学习实战 - 第4章 基于概率论的分类方法：朴素贝叶斯

一、基于贝叶斯决策理论的分类方法朴素贝叶斯的优点：在数据较少的情况下仍然有效，可以处理多类别问题。缺点：对于输入数据的准备方式较为敏感。使用数据类型：标称型数据(一般在有限的数据中取，而且只存在是和否两种不同的结果)。朴素贝叶斯是贝叶斯决策理论的一部分。贝叶斯决策理论：假设有一个数据集，它由两类数据组成，在判断具体数据属于哪个类别时，会选择高概率对应的类别。这就是贝叶斯决策理论的核心思想，即选择具
算法星球·2022-12-16 08:25

机器学习实战笔记--决策树

本文为《机器学习实战》学习笔记1.决策树简介决策树可以从数据集合汇总提取一系列的规则，创建规则的过程就是机器学习的过程。
Azoobie·2022-12-15 11:54

机器学习实战（1）——房价预测

文章目录一.对于文章涉及知识的学习（1）数据处理——数据标准化（2）欧式距离与马曼哈顿距离（3）多项式拟合二.对于文章的理解本文章的是基于另外一位博主文章的分析型文章，读者可先行阅读此文章再来看我的文章Python机器学习房价预测(斯坦福大学机器学习课程)机器学习的步骤简单的分为以下三步步骤①数据获取与处理步骤②选择与训练模型步骤③评估与显示一.对于文章涉及知识的学习（1）数据处理——数据标准化1
「已注销」·2022-12-14 22:17

深度解析数据清理和特征工程！5本面向数据科学家的顶级书籍推荐 ⛵

作者：韩信子@ShowMeAI数据分析实战系列：https://www.showmeai.tech/tutorials/40机器学习实战系列：https://www.showmeai.tech/tutorials
·2022-12-14 14:26

【Ubuntu机器学习实战】MMdetection训练自己的数据集并预测（使用mask_rcnn_r50_fpn_1x_coco完美走个流程)

1：使用JupyterNotebook并切换到Pytorch内核Ubuntu/Pytorch/MMdetection......等等可自行查找资料配置好，此处仅展示数据集方面所需要的库!pipinstallpycocotools-ihttps://pypi.tuna.tsinghua.edu.cn/simple!pipinstalllabelme-ihttps://pypi.tuna.tsingh
PeTJnG·2022-12-14 13:36

机器学习实战——K-means聚类图像分割

1K-Means聚类K-Means聚类是最常用的聚类算法，最初起源于信号处理，其目标是将数据点划分为K个类簇，找到每个簇的中心并使其度量最小化。该算法的最大优点是简单、便于理解，运算速度较快，缺点是只能应用于连续型数据，并且要在聚类前指定聚集的类簇数。下面是K-Means聚类算法的分析流程，步骤如下：第一步，确定K值，即将数据集聚集成K个类簇或小组。第二步，从数据集中随机选择K个数据点作为质心（C
chaung船长·2022-12-14 08:33

机器学习实战-泰坦尼克号生存预测案例

泰坦尼克号生存预测案例操作平台：JupyterNotebook实验数据：从官方下载的泰坦尼克号测试集与训练集使用语言：python实验步骤：安装我们所需要的第三方库，本次实验需要额外下载安装的第三方库有numpy，sklearn，pandas，pipline。这里首先我们看看这些标签代表着什么，PassengerId=>乘客IDPclass=>乘客等级(1/2/3等舱位)Name=>乘客姓名Sex
laonanhai0902·2022-12-14 08:21

机器学习实战演练 波士顿房价预测与模型评估

介绍数据集：本数据集共有506个样本，每个样本有13个特征及标签MEDV特征信息：CRIM城镇人均犯罪率ZN占地面积超过2.5万平方英尺的住宅用地比例INDUS城镇非零售业务地区的比例CHAS查尔斯河虚拟变量(=1如果土地在河边；否则是0)NOX一氧化氮浓度（每1000万份）RM平均每居民房数AGE在1940年之前建成的所有者占用单位的比例DIS与五个波士顿就业中心的加权距离RAD辐射状公路的可达
呆若木鸡～呆·2022-12-14 01:12

【机器学习实战】使用sklearn中的LinearRegression或SGDRegressor实现波士顿房价的回归预测

1.数据集——波士顿房价给定的这些特征，是专家们得出的影响房价的结果属性。我们此阶段不需要自己去探究特征是否有用，只需要使用这些特征。到后面量化很多特征需要我们自己去寻找2.实现2.1代码fromsklearn.datasetsimportload_bostonfromsklearn.model_selectionimporttrain_test_splitfromsklearn.preproce
想做一只快乐的修狗·2022-12-14 01:42

scikit-learn简介

scikit-learn，简称sklearn，是机器学习常用的库，本文使用该库来实现《机器学习实战》中的算法。
法萌·2022-12-13 14:17

Python实现ALO蚁狮优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·2022-12-13 09:00

Python实现ALO蚁狮优化算法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·2022-12-13 09:00

Python实现PSO粒子群优化卷积神经网络CNN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1.项目背景PSO是粒子群优化算法（ParticleSwarmOptimization
胖哥真不错·2022-12-13 09:50

机器学习实战教程（一）：K-近邻算法

一、简单k-近邻算法1、k-近邻法简介k近邻法(k-nearestneighbor,k-NN)是1967年由CoverT和HartP提出的一种基本分类与回归方法。它的工作原理是：存在一个样本数据集合，也称作为训练样本集，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个数据与所属分类的对应关系。输入没有标签的新数据后，将新的数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本最相
M_Q_T·2022-12-13 09:48

机器学习实战教程（二）：决策树基础篇

一、决策树决策树是什么？决策树(decisiontree)是一种基本的分类与回归方法。举个通俗易懂的例子，如下图所示的流程图就是一个决策树，长方形代表判断模块(decisionblock)，椭圆形成代表终止模块(terminatingblock)，表示已经得出结论，可以终止运行。从判断模块引出的左右箭头称作为分支(branch)，它可以达到另一个判断模块或者终止模块。我们还可以这样理解，分类决策树
M_Q_T·2022-12-13 09:48

机器学习实战教程（三）：决策树实战篇

一、前言上篇文章机器学习实战教程（二）：决策树基础篇之让我们从相亲说起机器学习实战教程（二）：决策树基础篇_M_Q_T的博客-CSDN博客机器学习实战教程（二）：决策树基础篇之让我们从相亲说起讲述了机器学习决策树的原理
M_Q_T·2022-12-13 09:08
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他