《机器学习实战》

《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

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
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他