——机器学习实战

机器学习实战：基于Scikit-Learn、Keras和TensorFlow

作者:[法]奥雷利安·杰龙（AurélienGéron）著，宋能辉，李娴译出版社:机械工业出版社品牌:机工出版出版时间:2020-10-01机器学习实战：基于Scikit-Learn、Keras和TensorFlow
普通网友·2022-12-03 17:08

机器学习实战 第2版 全文分享 基于Scikit-Learn、Keras和TensorFlow

机器学习实战第2版:基于Scikit-Learn、Keras和TensorFlowhttps://pan.baidu.com/s/16558133u_irq62QilIKBnA?
JYMA12358·2022-12-03 17:29

机器学习实战（一）—— K-近邻算法（KNN）

本系列文章以《机器学习实战》为基础，并结合B站的UP主shuhuai008的机器学习白板推导系列合集，加强对机器学习基础算法的理解及运用。
一马归一码·2022-12-03 06:08

机器学习实战学习笔记（十）使用Apriori算法进行关联分析

PS：该系列数据都可以在图灵社区（点击此链接）中随书下载中下载（如下）  从大规模数据集中寻找物品间的隐含关系被称作关联分析（associationanalysis）或者关联规则学习（associationrulelearning）。1关联分析Apriori算法优点：易编码实现。缺点：在大数据集上可能较慢。使用数据类型：数值型或者标称型数据。  关联分析是一种在大规模数据集中寻找有趣关系的任务。这
Hold_My_Own·2022-12-03 01:50

机器学习实战-第11章使用Apriori算法进行关联分析

Apriori算法：如果某个项集是频繁的，那么它的所有子集也是频繁的。生成候选项集：数据集扫描：对数据集中的每条交易记录对每个候选项集can检查一下can是否是tran的子集如果是,can增加对每个候选项集：如果其支持度不低于最小值，则保留该项集Apriori算法中的辅助函数：#创建一个用于测试的简单数据集defloadDataSet():return[[1,3,4],[2,3,5],[1,2,3
qtayu·2022-12-03 01:19

《机器学习实战》使用apriori算法进行关联分析，源代码疑问

对《机器学习实战》第11章的apriori算法实现时，发现书中不解之处：#入参Lk为频繁项集的list，k为要输出的频繁项集的元素个数#比如：[{0},{1},{2}]，k=2作为输入，则输出{0,1}
IMDale·2022-12-03 01:48

机器学习实战一 kNN错误及修正

出现错误1FileNotFoundError:[Errno2]Nosuchfileordirectory:'datingTestSet.txt'datingDataMat,datingLabels=kNN.file2matrix('datingTestSet.txt')一定注意：datingTestSet.txt要与本py文件在同一个文件夹下出现错误2ValueError:invalidliter
小徐加油·2022-12-03 00:16

机器学习实战-使用Apriori算法进行关联分析

从大规模数据集中寻找物品间的隐含关系被称作关联分析或者关联学习。本章将主要介绍Apriori算法来解决问题。Apriori算法优点：易编码实现缺点：在大数据集上可能较慢适用数据类型：数值型或者标称型数据关联分析是一种在大规模数据集中寻找有趣关系的任务。这些关系可以有两种形式：频繁项集或者关联规则。频繁项集（frequentitemsets）是经常出现在一块的物品的集合，关联规则（associati
秦时明月mov·2022-12-03 00:45

机器学习实战：使用 Apriori 算法进行关联分析

机器学习实战：使用Apriori算法进行关联分析文章目录机器学习实战：使用Apriori算法进行关联分析一、关联分析二、相关术语三、Apriori1、Apriori原理2、Apriori算法特点3、Apriori
RexT1·2022-12-03 00:42

【机器学习实战-11章】使用Apriori算法进行关联分析

使用Apriori算法进行关联分析从大规模数据集中寻找物品间的隐含关系被称作关联分析(associationanalysis)11.1关联分析优缺点优点：易编码实现缺点：在大数据集上可能较慢概念关联分析是一种在大规模数据集中寻找有趣关系的任务。这些关系可以有两种形式：频繁项集或者关联规则。1）频繁项集(frequentitemsets):经常出现在一块的物品的集合2）关联规则(associatio
唐生一·2022-12-03 00:09

【机器学习实战】第11章 使用 Apriori 算法进行关联分析

第11章使用Apriori算法进行关联分析关联分析关联分析是一种在大规模数据集中寻找有趣关系的任务。这些关系可以有两种形式:频繁项集（frequentitemsets）:经常出现在一块的物品的集合。关联规则（associationalrules）:暗示两种物品之间可能存在很强的关系。相关术语关联分析（关联规则学习):从大规模数据集中寻找物品间的隐含关系被称作关联分析(associatianalys
ApacheCN_Xy·2022-12-03 00:07

《机器学习实战》11.Apriori算法进行关联分析

目录使用Apriori算法进行关联分析1关联分析2Apriori原理3使用Apriori算法来发现频繁集3.1生成候选项集3.2组织完整的Apriori算法4从频繁项集中挖掘关联规则5示例：发现国会投票中的模式6示例：发现毒蘑菇的相似特征7本章小结本章涉及到的相关代码和数据使用Apriori算法进行关联分析本章内容：①Apriori算法②频繁项集生成③关联规则生成④投票中的关联规则发现从大规模数据
豆豆豆豆芽·2022-12-03 00:34

机器学习实战-55:支持向量机分类算法(Support Vector Machine)

支持向量机分类算法CSDN专栏:机器学习(理论/代码)，建议收藏，告别碎片阅读！支持向量机(SupportVectorMachine)分类算法属于监督学习算法。常用分类算法包括：逻辑回归(LogisticRegression,LR)、K最近邻(k-NearestNeighbor,KNN)、朴素贝叶斯模型(NaiveBayesianModel,NBM)、隐马尔科夫模型(HiddenMarkovMod
MTVideoAI·2022-12-02 16:28

Python机器学习实战：如何处理非数值特征

机器学习实战：这里没有艰深晦涩的数学理论，我们将用简单的案例和大量的示例代码，向大家介绍机器学习的核心概念。我们的目标是教会大家用Python构建机器学习模型，解决现实世界的难题。
数据工程与机器学习·2022-12-02 12:40

基于python的垃圾邮件分类_python实现贝叶斯推断——垃圾邮件分类

前期准备数据来源数据来源于《机器学习实战》中的第四章朴素贝叶斯分类器的实验数据。
weixin_39602737·2022-12-02 02:31

《机器学习实战》学习笔记第八章-回归

参考(2条消息)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-Cui的博客-CSDN
isla77·2022-12-01 10:28

《机器学习实战》学习笔记第九章-树回归

树回归简介第三章使用决策树进行分类，其不断将数据切分为小数据，直到目标变量完全相同，或者数据不能再分为止，决策树是一种贪心算法，要在给定的时间内做出最佳选择，但并不关心能否达到全局最优。这种树构建算法是ID3，每次选取当前最佳的特征来分割数据，并按照该特征的所有可能值来切分。一旦按某特征切分后，该特征在之后的算法中将不会再起作用，所以有观点认为这种切分方式过于迅速。另外一种方法是二元切分法，即每次
isla77·2022-12-01 10:28

《机器学习实战》学习笔记第十章-K-means

目录聚类算法K-means均值算法工作流程缺陷二分k-均值算法实例：对地图上的点进行聚类聚类算法聚类与分类最大的不同在于，分类的目标事先已知，而聚类则不知道。聚类是一种无监督学习，事先并不知道要寻找的内容，没有目标变量，只是将相似的对象归到一个簇中。簇内的对象越相似，聚类的效果越好。K-means聚类算法中的K表示可以发现k个不同的簇，且每个簇的中心采用簇中所含值的均值计算而成。优点：容易实现缺点
isla77·2022-12-01 10:28

《机器学习实战》学习笔记第二章-KNN

KNNK-近邻算法目录1.K-近邻算法介绍2.改进约会网站的配对效果从本文文件中提取数据创建散点图显示数据相关性数值归一化测试算法给海伦的程序（交互实现）3.手写识别系统1.K-近邻算法介绍以近邻K个点为参考，多数是什么特征，未知点就是什么特征。即采用测量不同特征值直接的距离方法来进行分类。截图来自B站《五分钟机器学习》优点：直观，好理解、局部分布，不需要估计整体、精度高、对异常值不敏感、无数据输
isla77·2022-12-01 10:58

Python3《机器学习实战》学习笔记（八）：支持向量机原理篇之手撕线性SVM

原Python3《机器学习实战》学习笔记（八）：支持向量机原理篇之手撕线性SVM置顶2017年09月23日17:50:18阅读数：12644转载请注明作者和出处：https://zhuanlan.zhihu.com
c123_sensing·2022-12-01 10:46

机器学习之奇异值分解

数学原理奇异值分解的定义与性质计算方法紧奇异值分解与截断奇异值分解矩阵近似思维导图四.算法步骤五.代码实现矩阵分解基于协同过滤的推荐引擎相似度计算基于用户还是物品餐馆菜肴推荐引擎推荐引擎评价标准推荐引擎SVD推荐引擎六.算法评价参考资料一.绪言前段时间开始入门机器学习，《机器学习实战
双皮奶呀·2022-11-30 18:35

垃圾邮件分类 python_机器学习实战1：朴素贝叶斯模型:文本分类+垃圾邮件分类...

学习了那么多机器学习模型，一切都是为了实践，动手自己写写这些模型的实现对自己很有帮助的，坚持，共勉。本文主要致力于总结贝叶斯实战中程序代码的实现(python)及朴素贝叶斯模型原理的总结。python的numpy包简化了很多计算，另外本人推荐使用pandas做数据统计。一引言让你猜测一个身高2.16的人的职业，你一般会猜测他是篮球运动员。这个原理就是朴素贝叶斯原理，因为篮球运动员大多身高很高，所以
weixin_39831567·2022-11-30 13:25

kmeans算法_实战 | KMeans 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
weixin_39904268·2022-11-30 08:00

kmeans算法_【白话机器学习】算法理论+实战之KMeans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
weixin_39593469·2022-11-30 08:30

kmeans算法_KMeans聚类算法详解

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
weixin_39824223·2022-11-30 08:30

实战 | 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
众生皆苦唯有你最甜·2022-11-30 07:56

二手车交易价格预测（一）

本菜鸟的第一次机器学习实战。。。。
CyberBazinga·2022-11-30 07:14

logistic模型matlab代码_机器学习实战个人学习分享（四）：Logistic回归

，其中的梯度上升算法在许多课程里都有涉及，也比较经典，所以这次学习可以系统的归纳，算是基础，老样子，这里用到了JackCui博客和黄海安的视频讲解，内容得到了二位的授权，相关链接如下：Python3《机器学习实战
weixin_39866857·2022-11-30 05:03

信用卡的数字识别项目运行报错:error: the following arguments are required: -i/--image

看了唐宇迪机器学习实战代码的信用卡数字识别的项目下载运行时遇到两个问题：第一个问题就是运行的库没有的问题，由于本人是在anaconda+TensorFlow+OpenCV的环境下进行的对于没有的或者报错的环境在对应运行的沙盒环境中进行配置就行了
姑苏落雨心中·2022-11-30 05:56

《机器学习实战》学习笔记-KNN（一）

《机器学习实战》学习笔记-KNN（一）博主最近在学习[美]PeterHarrington所著的《机器学习实战》一书，写此系列博客来记录博主的学习过程，同时对书中知识以及代码加以自己的理解和标注，因为博主是小白
RIVERSSSSSS·2022-11-30 03:46

机器学习实战笔记--kNN

本文为《机器学习实战》学习笔记1.相关数据类型&函数介绍SciPy基于Python生态系统提供了数学运算、科学和工程的开源软件，主要包括基本N维数组包NumPy，科学计算基本库SciPylibrary，
Azoobie·2022-11-30 03:15

机器学习实战-kNN笔记

importnumpyasnpimportoperator'''《机器学习实战》kNN分类算法及注释''''\n《机器学习实战》kNN分类算法及注释\n'#创建数据集defcreateDataSet()
eclipSYcn·2022-11-30 03:07

机器学习实战刻意练习 —— Task 02. 朴素贝叶斯

机器学习实战刻意练习第1周任务  分类问题：K-邻近算法  分类问题：决策树第2周任务  分类问题：朴素贝叶斯  分类问题：逻辑回归第3周任务  分类问题：支持向量机第4周任务  分类问题：AdaBoost
iiVax·2022-11-30 02:17

机器学习实战刻意练习 —— Task 04. AdaBoost

机器学习实战刻意练习第1周任务  分类问题：K-邻近算法  分类问题：决策树第2周任务  分类问题：朴素贝叶斯  分类问题：逻辑回归第3周任务  分类问题：支持向量机第4周任务  分类问题：AdaBoost
iiVax·2022-11-30 02:17

[机器学习实战]--朴素贝叶斯过滤垃圾邮件

我们将充分利用python的文本处理能力将文档切分成词向量，然后利用词向量对文档进行分类。还将构造分类器观察其在真实的垃圾邮件数据集中的过滤效果。基于贝叶斯决策理论的分类方法假设现在我们有一个数据集,它由两类数据组成,数据分布如图4-1所示。我们现在用p1(x,y)表示数据点(x,y)属于类别1(图中用圆点表示的类别)的概率,用p2(x,y)表示数据点(x,y)属于类别2(图中用三角形表示的类别)
chenshengta6990·2022-11-30 00:51

机器学习实战：沃尔玛销量预测（M5竞赛）

数据集地址：M5Forecasting-Accuracy|KaggleM系列竞赛是针对于时间序列预测的竞赛，从1982年至今已经举办了5届了。M5（最后一届）举行于2020年，使用了来自美国三个洲，三种产品类别，七个部门，3049种商品从2011到2016年的历史销量数据，选手们将要用它们用以预测之后28日的销售数据。具体数据集内容如图所示:图片来自:血泪参赛史-M5时间序列预测（一）历史与概况-
thorn_r·2022-11-29 19:38

机器学习实战分享：用 Python 进行信用卡欺诈检测

本文旨在使用XGBoost、随机森林、KNN、逻辑回归、SVM和决策树解决分类问题，内容较长，建议收藏、关注、点赞。案例简介假设你受雇于帮助一家信用卡公司检测潜在的欺诈案件，你的工作是确保客户不会因未购买的商品而被收取费用。给你一个包含人与人之间交易的数据集，他们是欺诈与否的信息，并要求你区分它们。我们的最终目的是通过构建分类模型来对欺诈交易进行分类区分来解决上述情况。推荐文章李宏毅《机器学习》国
Love Python数据挖掘·2022-11-29 18:26

机器学习实战—K-均值聚类算法

聚类是一种无监督的学习，它将相似的对象归到同一簇中，簇内的对象越相似，聚类的效果越好。K-均值聚类算法，它可以发现K个不同的簇，且每个簇的中心采用簇中所含值的均值计算而成。簇识别概念：假定有一些数据，现在将相似数据归到一起，簇识别会告诉我们这些簇到底都是些什么，聚类与分类的最大不同在于，分类的目标事先已知，而聚类则不一样。因为其产生的结果与分类相同，而只是类别没有预先定义，聚类有时也被称为无监督分
Lee_jiaqi·2022-11-29 15:35

机器学习实战学习笔记（九）K-均值聚类算法

PS：该系列数据都可以在图灵社区（点击此链接）中随书下载中下载（如下）  聚类是一种无监督的学习，它将相似的对象归到同一个簇中。它有点像全自动分类，聚类方法几乎可以应用于所有对象，簇内的对象越相似，聚类的效果越好。K-均值（K-means）聚类算法，之所以称之为K-均值是因为它可以发现k个不同的簇，且每个簇的中心采用簇中所含值的均值计算而成。  簇识别（clusteridentification）
Hold_My_Own·2022-11-29 15:33

k均值python_《机器学习实战》之K-均值聚类算法的python实现

《机器学习实战》之K-均值聚类算法的python实现最近的项目是关于“基于数据挖掘的电路故障分析”，项目基本上都是师兄们在做，我只是在研究关于项目中用到的如下几种算法：二分均值聚类、最近邻分类、基于规则的分类器以及支持向量机
weixin_39731623·2022-11-29 15:30

【机器学习实战】 利用K-均值聚类算法对未标注数据分组

转载请注明作者和出处：https://blog.csdn.net/weixin_37392582代码地址：https://gitee.com/wuweijun开发平台：Win10+Python3.6+Anaconda3编  者：无尾一、前言二、K-均值聚类算法1、工作流程2、伪代码3、流程图4、核心代码解释（１）euclidentDistance（２）initCentroids（３）kmenas三
无尾君·2022-11-29 15:28

机器学习实战（九）K-均值聚类算法

文章目录前言：一、K-均值聚类算法二、算法分析三、二分k均值聚类前言：机器学习中有两类的大问题，一个是分类，一个是聚类。分类是根据一些给定的已知类别标号的样本，训练某种学习机器，使它能够对未知类别的样本进行分类。这属于supervisedlearning（监督学习）。聚类指事先并不知道任何样本的类别标号，希望通过某种算法来把一组未知类别的样本划分成若干类别，这在机器学习中被称作unsupervis
QxwOnly·2022-11-29 15:55

机器学习实战 第十章 利用k-均值聚类算法对未标注数据分组

第十章利用K-均值聚类算法对未标注数据分组10.1K-均值聚类算法10.2使用后处理来提高聚类性能10.3二分K-均值算法    聚类是一种无监督学习，它将相似的对象归到同一簇中。它有点像全自动分类。聚类方法几乎可以应用于所有对象，簇内的对象越相似，聚类的效果越好。本章要学习一种称为K-均值（K-means）聚类的算法。之所以称之为K-均值是因为它可以发现k个不同的簇，且每个簇的中心采用簇中所含值
LuoY、·2022-11-29 15:54

《机器学习实战》 第十章【聚类：k-均值聚类算法】

这一章开始聚类算法的总结，聚类算法是无监督学习的一种无监督学习中，类似分类和回归中的目标变量事先是不存在的所谓聚类就是在这些不知目标变量的情况下，找寻数据之间的关系，可以如何分类，分为多少数据簇聚类会把相似对象归为同一个簇中，簇内对象越相似，聚类效果越好所谓k均值聚类，就是分为k个簇，也就是k个分类目录算法描述优缺点一般流程算法伪代码适用后处理提高聚类性能二分k-均值算法伪代码一个栗子算法描述优缺
小风_·2022-11-29 14:20

《机器学习实战》之十——利用K-均值聚类算法对未标注数据分组

K-均值目录一、前言二、K-均值聚类算法三、使用后处理来提高聚类性能四、二分K-均值算法五、示例：对地图上的点进行聚类六、总结参考资料一、前言  聚类是一种无监督的学习，它将相似的对象归到同一簇中。它有点像全自动分了。聚类方法几乎可以应用到所有对象，簇内的对象越相似，聚类的效果越好。本章要学习一种称为K-均值（K-means）聚类的算法。之所以称之为K-均值是因为它可以发现k个不同的簇，且每个簇的
潘多拉星系·2022-11-29 14:49

机器学习实战第十章——利用k-均值聚类算法对未标注数据分组

目录一、K-均值聚类算法二、使用后处理提高聚类性能三、二分K-均值算法一、K-均值聚类算法k-均值聚类优点：容易实现缺点：可能收敛到局部最小值，在大规模数据上收敛较慢适用数据类型：数值型数据K-均值是发现给定数据集的k个簇的算法。簇个数是用户给定的，每一个簇通过其质心(即簇中所有的中心)来描述K-均值算法的伪代码：创建k个点作为起始质心(经常是随机选择)当任意一个点的簇分配结果发生改变时对数据集中
jgq1466693·2022-11-29 14:48

【机器学习实战04】k-均值聚类算法

1、聚类定义聚类是一种无监督学习，它将相似的对象归为一类，簇内的对象越相似，聚类的效果越好。k-均值首先发现k个不同的簇，且每个簇的中心采用簇中所含值的均值计算而成。2、开发机器学习应用程序的步骤(1)收集数据：收集各种样本数据，为了节省时间，可以使用公开的可用数据源(2)准备输入数据：确保数据格式符合要求，本书采用的格式是Python语言的List。(3)数据分析：人工分析以前得到的数据，确保数
墨竹 | kevinelstri·2022-11-29 14:48

《机器学习实战》——第10章 利用K-均值聚类算法对未标注数据分组

聚类是一种无监督的学习，它将相似的对象归到同一个簇中。它有点像全自动分类。聚类方法几乎可以应用于所有对象，簇内的对象越相似，聚类的效果越好。簇识别给出聚类结果的含义。假定有一些数据，现在将相似数据归到一起，簇识别会告诉我们这些簇到底都是些什么。聚类与分类的最大不同在于，分类的目标事先已知，而聚类则不一样。因为其产生的结果与分类相同，而只是类别没有预先定义，聚类有时也被称为无监督分类。聚类分析试图将
海鸥丸拉面·2022-11-29 14:46

《机器学习实战》10.K-均值聚类算法

目录利用K-均值聚类算法对未标注数据分组K-均值聚类算法2使用后处理来提高聚类性能3二分K-均值算法4示例：对地图上的点进行聚类4.1Yahoo！PlaceFinderAPI4.2对地理坐标进行聚类5本章小结本章涉及到的相关代码和数据利用K-均值聚类算法对未标注数据分组本章内容：①K-均值聚类算法②对聚类得到的簇进行后处理③二分K-均值聚类算法④对地理位置进行聚类聚类是一种无监督学习，他将类似的对
豆豆豆豆芽·2022-11-29 14:10

机器学习实战--使用朴素贝叶斯过滤垃圾邮件

在邮件分类过程中，代码报错，提示：UnicodeDecodeError:'gbk'codeccan'tdecodebyte0xaeinposition199:illegalmultibytesequence，错误原因出现不能解码的字符。解决办法：email\ham\23.txt，找到SciFinance?，把?替换成空格即可。
Timon---老赵·2022-11-29 13:36
上一页 12 13 14 15 16 17 18 19 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他