——机器学习实战

机器学习实战——决策树算法

点击查看：数据集+代码决策树该流程图就是一个决策树，长方形代表判断模块（decisionblock），椭圆形代表终止模块（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分支（branch），它可以到达另一个判断模块或者终止模块。决策树ID3算法上一篇的k-近邻算法可以完成很多分类任务，但是它最大的缺点就是无法给出数据的内在含义，决策树的主要优势就在
if 雨田人尹＝＝雷伊：·2023-10-26 04:15

《机器学习实战》笔记（四）：Ch4 - 基于概率论的分类方法:朴素贝叶斯

第四章基于概率论的分类方法:朴素贝叶斯[代码][ch04]基于贝叶斯决策理论算法优缺点优点: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。范围:标称型数据。Tip:贝叶斯决策理论的核心思想是选择高概率对应的类别，即选择具有最高概率的决策贝叶斯法则后验概率=标准似然度*先验概率。贝叶斯定理对于变量有二个以上的情况，贝叶斯定理亦成立。例如：P(A|B,C)=P(
Liu_Goodfellow·2023-10-24 20:09

《机器学习实战》学习记录-ch3

第3章分类PS:个人记录，抄书系列，建议看原书原书资料：https://github.com/ageron/handson-ml2目录第3章分类3.1MNIST数据集3.2训练二元分类器3.2.1随机梯度下降SGD3.3性能测量3.3.1使用交叉验证测量准确率3.3.2混淆矩阵3.3.3精度和召回率3.3.4精度/召回率权衡3.3.5ROC曲线多元分类器3.5误差分析3.6多标签分类3.7多输出分
Cyan青·2023-10-24 20:09

《机器学习实战》ch1 ~ ch15 笔记目录

《机器学习实战》笔记（一）：Ch1-机器学习基础《机器学习实战》笔记（二）：Ch2-k-近邻算法《机器学习实战》笔记（三）：Ch3-决策树《机器学习实战》笔记（四）：Ch4-基于概率论的分类方
Liu_Goodfellow·2023-10-24 20:09

机器学习实战---PM2.5预测

文章目录一.预处理二、模型训练三、测试四、模型预测五、保存预测结果感受项目数据集数据集介绍使用丰原站的观测记录，分成trainset跟testset，trainset是丰原站每个月的前20天所有资料。testset则是从丰原站剩下的资料中取样出来。train.csv:每个月前20天的完整资料。test.csv:从剩下的资料当中取样出连续的10小时为一笔，前九小时的所有观测数据当作feature，第
Sinlair·2023-10-24 20:06

《机器学习实战》学习记录-ch4

4.1线性回归importnumpyasnpimportmatplotlib.pyplotaspltimportpandasaspdX=2*np.random.rand(100,1)#生成[0,1)之间的数据y=4+3*X+np.random.randn(100,1)#生成一组正态分布的数据，高斯噪声X_b=np.c_[np.ones((100,1)),X]X_b[:5]array([[1.,0.
Cyan青·2023-10-24 20:03

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

一前言二什么是SVM三线性SVM数学建模1决策面方程2分类间隔方程3约束条件4线性SVM优化问题基本描述5求解准备6拉格朗日函数7KKT条件8对偶问题求解SMO算法1Platt的SMO算法2SMO算法的解法四编程求解线性SVM1可视化数据集2简化版SMO算法五总结一前言说来惭愧，断更快半个月了，本打算是一周一篇的。感觉SVM瞬间难了不少，推导耗费了很多时间，同时身边的事情也不少，忙了许久。本篇文章
essenge·2023-10-24 04:27

python3《机器学习实战系列》学习笔记----1.K-近邻算法

前言一、K-近邻算法概述1.1简述1.2距离测量的方法1.3KNN算法的一般流程1.3.1准备：使用python导入数据1.3.2实施KNN分类算法1.3.2.1KNN伪代码1.3.2.2KNN算法二、示例：使用K-NN算法改进约会网站的配对效果2.1一般流程2.1.1准备数据：从本文中解析数据2.1.2分析数据：使用Matplotlib创建散点图2.1.3准备数据：归一化数值2.1.4测试算法：
mcyJacky·2023-10-21 16:28

机器学习实战笔记（三）：使用k-近邻算法的手写识别系统（Python3 实现）

完整代码及数据地址：https://github.com/cqulun123/Machine-Learning-in-Action0使用k-近邻算法的手写识别系统的步骤(1)收集数据：提供文本文件。(2)准备数据：编写函数classify0()，将图像格式转换为分类器使用的list格式。(3)分析数据：在Python命令提示符中检查数据，确保它符合要求。(4)训练算法：此步骤不适用于k-近邻算法。
max_bay·2023-10-21 16:24

机器学习实战(第2章)

一.快速查看数据结构1.housing.head():查看DataFrame的前5行2.housing.info():查看DataFrame的总行数，每个属性的类型及非空值的数量3.housing['xx'].value_counts():查看有多少xx有多少取值，每种取值分别有多少数量4.housing.describe():显示DataFrame中的数值摘要二.创建测试集(只把函数列出)1.t
好好学习天天向上W·2023-10-21 02:17

用python做逻辑回归_机器学习之逻辑回归(纯python实现)

本文参考机器学习实战的相应部分，看一下数据集。//两个特征-0.01761214.0530640-1.3956344.66
weixin_39620252·2023-10-20 10:08

唐宇迪机器学习实战课程笔记(全)

1.线性回归1.1线性回归理论1.2线性回归实战2.训练调参基本功(线性回归、岭回归、Lasso回归)2.1线性回归模型实现2.2不同GD策略对比2.3多项式曲线回归2.4过拟合和欠拟合2.5正则化3.分类模型评估(Mnist实战SGD_Classifier)3.1K折交叉验证K-foldcrossvalidation3.2混淆矩阵ConfusionMatrix3.3准确率accuracy、精度p
Yuezero_·2023-10-19 18:28

《机器学习实战》— 基于概率论的分类方法：朴素贝叶斯

一、朴素贝叶斯算法中相关概念介绍1、朴素贝叶斯算法优缺点优点：可以处理多类别问题，在数据较少的情况下依然有效缺点：对输入数据的准备方式较敏感2、适用类型：标称型函数3、基于贝叶斯决策的分类方法如果p1(x,y)>p2(x,y)，则(x,y)为红色一类，类别为1。如果p1(x,y)p(c2|x,y)，那么属于类别c1如果p(c1|x,y)p0:return1else:return07、测试forpo
知更鸟女孩·2023-10-19 10:28

机器学习实战--基于概率论的分类方法：朴素贝叶斯

前言：朴素贝叶斯算法是有监督的学习算法，解决的是分类问题，如客户是否流失、是否值得投资、信用等级评定等多分类问题。该算法的优点在于简单易懂、学习效率高、在某些领域的分类问题中能够与决策树、神经网络相媲美。但由于该算法以自变量之间的独立（条件特征独立）性和连续变量的正态性假设为前提，就会导致算法精度在某种程度上受影响。基于贝叶斯决策理论的方法1.贝叶斯决策理论假设现在有一个数据集，它由两类数据组成，
aaaaPIKACHU·2023-10-19 10:24

《Machine Learning in Action》—— 剖析支持向量机，单手狂撕线性SVM

《MachineLearninginAction》——剖析支持向量机，单手狂撕线性SVM前面在写NumPy文章的结尾处也有提到，本来是打算按照《机器学习实战/MachineLearninginAction
玩世不恭的Coder·2023-10-19 06:22

机器学习实战 城市居民消费水平

31省城市居民消费水平分类k-means算法采用默认距离即欧式距离。importnumpyasnpfromsklearn.clusterimportKMeansdefloadData(filePath):fr=open(filePath,'r+')lines=fr.readlines()retData=[]retCityName=[]forlineinlines:items=line.strip(
让时间来沉淀吧·2023-10-18 01:01

【1】机器学习实战peter Harrington——学习笔记

机器学习实战peterHarrington——学习笔记综述数据挖掘十大算法本书结构一、机器学习基础1.1机器学习1.2关键术语1.3机器学习主要任务1.4如何选择合适的算法1.5开发机器学习应用程序的步骤综述机器学习算法在包含信息检索和数据挖掘在内的多个领域都有着十分广泛的应用
手可摘辰·2023-10-16 11:03

机器学习sklearn实战

机器学习sklearn实战今天开始学习机器学习实战，好多年都没有下定决心把这个学好。
sea_bi·2023-10-15 11:37

机器学习实战 --- sklearn

前言随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文主要介绍机器学习的基础内容。源码：https://gitee.com/qinlewei/machine_learning.git一、sklearn数据集对于一个初入机器学习的小白来说，数据是分析必不可少的。sklearn中含有前人整理好的数据集可以直接导入调用，此外也可以从kaggle上下载数据集，上的数据具
不加糖咖啡q·2023-10-15 11:34

机器学习期末总复习详解

机器学习实战第一章人工智能引擎机器学习与人工智能，深度学习的关系：进行机器学习的步骤机器学习算法的分类第二章模型评估经验误差与过拟合评估方法性能度量第三章k邻近算法KNN算法流程时间复杂度kd树k邻近算法优缺点第四章决策树决策树算法流程划分选择信息增益
打代码能当饭吃？·2023-10-14 22:16

(二十八)项目实战|交易数据异常检测(三)-python数据分析与机器学习实战(学习笔记)

文章原创,最近更新：2018-06-41.混淆矩阵课程来源:python数据分析与机器学习实战-唐宇迪课程资料:这里所涉及到的练习资料creditcard.csv相关的链接以及密码如下:链接:https
努力奋斗的durian·2023-10-12 02:21

Python机器学习实战-特征重要性分析方法（7）：主成分分析 PCA（附源码和实现效果）

实现功能对特征进行主成分分析，并查看每个主成分的解释方差比。在前几个组件上具有较高负载的特性更为重要。实现代码fromsklearn.decompositionimportPCAimportpandasaspdfromsklearn.datasetsimportload_breast_cancerimportmatplotlib.pyplotaspltX,y=load_breast_cancer(
数据杂坛·2023-10-10 12:52

Python机器学习实战-特征重要性分析方法（8）：方差分析ANOVA（附源码和实现效果）

实现功能使用f_classif()获得每个特征的方差分析f值。f值越高，表明特征与目标的相关性越强。实现代码fromsklearn.feature_selectionimportf_classifimportpandasaspdfromsklearn.datasetsimportload_breast_cancerimportmatplotlib.pyplotaspltX,y=load_breas
数据杂坛·2023-10-10 12:52

Python机器学习实战-特征重要性分析方法（9）：卡方检验（附源码和实现效果）

实现功能使用chi2()获得每个特征的卡方统计信息。得分越高的特征越有可能独立于目标。实现代码fromsklearn.feature_selectionimportchi2importpandasaspdfromsklearn.datasetsimportload_breast_cancerimportmatplotlib.pyplotaspltX,y=load_breast_cancer(ret
数据杂坛·2023-10-10 12:07

svd降维 python案例_机器学习实战基础（二十一）：sklearn中的降维算法PCA和SVD（二） PCA与SVD 之 降维究竟是怎样实现...

简述在降维过程中，我们会减少特征的数量，这意味着删除数据，数据量变少则表示模型可以获取的信息会变少，模型的表现可能会因此受影响。同时，在高维数据中，必然有一些特征是不带有有效的信息的(比如噪音)，或者有一些特征带有的信息和其他一些特征是重复的(比如一些特征可能会线性相关)。我们希望能够找出一种办法来帮助我们衡量特征上所带的信息量，让我们在降维的过程中，能够即减少特征的数量，又保留大部分有效信息——
weixin_39683598·2023-10-08 19:59

机器学习实战-之KNN篇

之前读《机器学习实战》，对很多算法从原理上进行编写，对学习算法有很大帮助，但效率很低。用pandas和sklearn可以很快的实现算法，效率更高。
笨笨的简书·2023-10-06 04:19

《机器学习实战》学习记录-ch2

PS:个人笔记，建议不看原书资料：https://github.com/ageron/handson-ml22.1数据获取importpandasaspddata=pd.read_csv(r"C:\Users\cyan\Desktop\AI\ML\handson-ml2\datasets\housing\housing.csv")data.head()data.info()RangeIndex:2
Cyan青·2023-10-04 22:23

【社区图书馆】【图书活动第四期】

目录一、前言二、作者简介三、《PyTorch高级机器学习实战》内容简介四、书目录一、前言今天，偶尔逛到csdn社区图书馆，看到有活动“【图书活动第四期】来一起写书评领实体奖牌+红包+电子勋章吧！”
逆境清醒·2023-10-04 21:44

纯干货-手把手优化神经网络—MNIST数字识别进阶

这一章我们把前两章介绍的优化方法应用在我们的训练模型V1上（参考机器学习实战—MNIST手写体数字识别），看看如何使用简单的单隐藏层全连接神经网络提高准确率。话不多说直接开干。
RunningSucks·2023-10-01 10:07

机器学习实战（基于Sklearn和tensorflow）第三章 分类 学习笔记

机器学习实战书籍第三章例子学习笔记书中源码，here本文地址，here要分为Mnist数据处理、交叉验证、混淆矩阵、精度、多分类问题等。
hirolin·2023-09-29 16:56

Python机器学习实战-特征重要性分析方法（4）：相关性分析（附源码和实现效果）

实现功能计算各特征与目标变量之间的相关性。相关性越高的特征越重要。实现代码importpandasaspdfromsklearn.datasetsimportload_breast_cancerimportmatplotlib.pyplotaspltX,y=load_breast_cancer(return_X_y=True)df=pd.DataFrame(X,columns=range(30))
数据杂坛·2023-09-28 03:01

Python机器学习实战-特征重要性分析方法（5）：递归特征消除（附源码和实现效果）

实现功能递归地删除特征并查看它如何影响模型性能。删除时会导致更大下降的特征更重要。实现代码fromsklearn.ensembleimportRandomForestClassifierfromsklearn.feature_selectionimportRFEimportpandasaspdfromsklearn.datasetsimportload_breast_cancerimportmat
数据杂坛·2023-09-28 03:57

Python实现贝叶斯优化器(Bayes_opt)优化卷积神经网络分类模型(CNN分类算法)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·2023-09-26 09:46

Python实现贝叶斯优化器(Bayes_opt)优化卷积神经网络回归模型(CNN回归算法)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·2023-09-26 09:46

Python实现贝叶斯优化器(Bayes_opt)优化随机森林回归模型(RandomForestRegressor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·2023-09-26 09:46

Python实现贝叶斯优化器(Bayes_opt)优化BP神经网络分类模型(BP神经网络分类算法)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·2023-09-26 09:45

(二十)Seaborn知识学习7-python数据分析与机器学习实战(学习笔记)

文章原创,最近更新：2018-05-141.绘制数据网格2.用FacetGrid子集数据3.用PairGridandpairplot()绘制成对的关系课程来源:python数据分析与机器学习实战-唐宇迪学习参考链接
努力奋斗的durian·2023-09-26 01:58

Python机器学习实战-特征重要性分析方法（3）：迭代删除法：Leave-one-out（附源码和实现效果）

实现功能迭代地每次删除一个特征并评估准确性实现代码fromsklearn.datasetsimportload_breast_cancerfromsklearn.model_selectionimporttrain_test_splitfromsklearn.ensembleimportRandomForestClassifierfromsklearn.metricsimportaccuracy_
数据杂坛·2023-09-25 18:35

机器学习实战项目2--防止过拟合&鸢尾花线性回归

实战项目两个问题如下：1如何防止过拟合‘2使用逻辑回归(LogisticRegression)对鸢尾花数据（多分类问题）进行预测，可以直接使用sklearn中的LR方法，并尝试使用不同的参数，包括正则化的方法，正则项系数，求解优化器，以及将二分类模型转化为多分类模型的方法。answer1:1earlystopping2数据集扩散3正则化(1)earlystopping对模型进行训练的过程即是对模型
strive鱼·2023-09-25 10:24

python关联规则apriori算法_python实现关联规则分析Apriori算法

本节代码参考了《机器学习实战》第十一章中的代码，也参考了R语言的arules包，该包没有实现一对多的规则，因此，在以上基础上进行了改进，包括实现剪枝步，规则生成(一对一，一对多，多
weixin_39949584·2023-09-24 03:54

Python机器学习实战-特征重要性分析方法（2）：内置特征重要性（附源码和实现效果）

实现功能一些模型，如线性回归和随机森林，可以直接输出特征重要性分数。这些显示了每个特征对最终预测的贡献。实现代码fromsklearn.datasetsimportload_breast_cancerfromsklearn.ensembleimportRandomForestClassifierimportmatplotlib.pyplotaspltX,y=load_breast_cancer(r
数据杂坛·2023-09-23 21:28

Python机器学习实战-特征重要性分析方法（1）：排列重要性（附源码和实现效果）

实现功能排列重要性PermutationImportance：该方法会随机排列每个特征的值，然后监控模型性能下降的程度。如果获得了更大的下降意味着特征更重要实现代码fromsklearn.datasetsimportload_breast_cancerfromsklearn.ensembleimportRandomForestClassifierfromsklearn.inspectionimpo
数据杂坛·2023-09-23 21:28

《机器学习实战》笔记

《机器学习实战》笔记一：K近邻KNNK近邻算法概述：工作原理，一般流程；KNN示例：加载数据，分析数据，数据归一化，定义KNN算法，划分数据集，训练测试，使用算法构建完整可用系统；《机器学习实战》笔记二
你欲何为R·2023-09-23 14:09

学习笔记（一）k-近邻算法（KNN）

《机器学习实战》学习笔记（一）k-近邻算法（KNN）文章目录《机器学习实战》学习笔记（一）k-近邻算法（KNN）原理k-近邻算法的一般流程k-近邻算法python实现小结终于找到《机器学习实战》这本书了
小小月牙·2023-09-23 13:59

机器学习实战KNN部分代码改写

首先创建测试样例defcreateData():group=array([[1.1,1.1],[1.0,1.0],[0,0],[0,0.1]])labels=['A','A','B','B']returngroup,labels原书核心代码defclassify(inX,dataset,labels,k):datasetsize=dataset.shape[0]diffmat=tile(inX,(
南晨Inc·2023-09-20 23:49

机器学习实战【房价预测问题】（附python代码）

题记：今天记录一篇错误代码（暂未找到错误原因），网上的教程对于房价预测问题的套路都差不多于是参照了其中一篇，完成了几乎一样的代码，但是首先是k折交叉验证的问题，其次是预测结果问题。更新：重新手敲了一遍代码发现还是有问题，于是有猜测肯定因为自己的惯性思维导致的问题，自己可能很难发现了，所以找了一份网上的代码直接复制发现能跑，又校对好几遍最终发现原来问题在交叉验证上。可恶啊~问题：rmse出现nan的
百无一用是书生_helloworld·2023-09-20 13:09

机器学习实战【泰坦尼克号沉船预测】（附python代码）

题记：第一个手写的机器学习的项目实战选择了经典的kaggle竞赛题目：泰坦尼克号沉船预测。典型的回归问题，希望在此过程中熟练掌握机器学习的基本流程，数据预处理与特征选择的思路。同类型经典赛题：阿里云天池大赛的工业蒸汽量预测问题。Pycharm和jupyter的选择问题：kaggle在线训练平台提供的是类似于jupyter的接口，方便直观的看到数据的流动，但是结构性和逻辑性不足。而Pycharm通过
百无一用是书生_helloworld·2023-09-20 13:39

机器学习实战-朴素贝叶斯分类算法

1、背景我们其实无时无刻不在使用朴素贝叶斯分类算法，只是没有觉察到而已。比如在晚上走在灯光暗淡的路上，前面出现一个人影。可能是男/女的概率分别是50%。但假如能看出其头发为长发时，你可能会猜这个人是女生的概率为90%。这就是朴素贝叶斯算法的简单应用。2、贝叶斯概率公式（1）条件概率：条件概率由以上文氏图来理解条件概率的定义：就是指在B事件发生的情况下，事件A发生的概率，表示为P(A|B)，由图得出
笨笨的简书·2023-09-20 10:36

Python实现猎人猎物优化算法(HPO)优化LightGBM回归模型(LGBMRegressor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·2023-09-19 11:14

机器学习实战--线性回归建模

image本文将用“泰坦尼克船员获救预测”这一案例展示一下使用线性回归建模的流程。1.数据理解首先导入原始的数据并展示数据的前5行，大致了解一下数据的情况。原始数据中分别有以下几列信息：PassengerId、Survived、pclass、Name、Sex、Age、SibSp、Parch、Ticket、Fare、Cabin、Embarked。其中Survived表示是否存活也就是本次建模的目标变
PM见闻·2023-09-18 21:42
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他