《机器学习实战》

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

机器学习实战-PCA主成分分析、降维

降维技术很多时候，原始数据是多维度的，在计算的时候会带来很大的资源开销。而且数据本身有很多的冗余，我们可以去除一些不必要的特征，使得数据简化，降低算法的计算开销。因此需要利用降维技术来实现。PCA(PrincipalComponentAnalysis)主成分分析在PCA中，数据从原来的坐标系转化到新的坐标系中。当然这里新的坐标系也不是随便设定的，而是应该根据数据本身的特征来设计。通常第一个新坐标轴
我非英雄·2022-11-29 13:04

机器学习实战——PCA（主成分分析）

本章关于PCA的代码虽少，但涉及到的知识却很多，由于数学知识比较浅薄，所以在看这章时提前查找资料复习了很多的概率论和统计学知识和python基础知识，这里记录的很多都是关于PCA的相关知识或理论（例如：特征向量、协方差矩阵等），由于部分知识涉及较多，讲的有点详细所以文章篇幅较长尽量缩减了，下面进入正文。通常我们可以很清楚的看到一维数据，或直观的二维图形，但实际中很多的数据远不止1、2、3维，这些数
进步一丢点everyday·2022-11-29 13:00

机器学习实战之K近邻法-Python实现

一、算法简介k近邻法（k-nearestneighbor,k-NN）是一种基本的分类方法，输入的是实例的特征向量，对应于特征空间的点，输出结果为实例的类别，可以取多类。对于训练集来说，每个实例的类别已定，当分类时，对于新的实例，根据其k个最近邻的训练实例的类别，通过多数表决等方式来进行预测。k近邻法分类过程不具有显式的学习过程，其实际上是利用训练数据集对特征向量空间进行划分，从而作为后面分类的模型
Z-Jackie·2022-11-29 13:29

最大熵阈值python_高端实战 Python数据分析与机器学习实战 Numpy/Pandas/Matplotlib等常用库...

课程简介:课程风格通俗易懂，真实案例实战。精心挑选真实的数据集为案例，通过Python数据科学库numpy,pandas,matplot结合机器学习库scikit-learn完成一些列的机器学习案例。课程以实战为基础，所有课时都结合代码演示如何使用这些python库来完成一个真实的数据案例。算法与项目相结合，选择经典kaggle项目，从数据预处理开始一步步代码实战带大家快速入门机器学习。旨在帮助同
weixin_39628271·2022-11-29 11:04

Python实现基于Optuna超参数自动优化的LightGBM分类模型(LGBMClassifier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·2022-11-29 01:13

Python实现基于Optuna超参数自动优化的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·2022-11-29 01:13

Python实现基于Optuna超参数自动优化的xgboost分类模型(XGBClassifier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·2022-11-29 01:13

Python实现基于Optuna超参数自动优化的xgboost回归模型(XGBRegressor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·2022-11-29 01:58

Python实现基于Optuna超参数自动优化的Catboost分类模型(CatBoostClassifier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·2022-11-29 01:57

《机器学习实战》基于朴素贝叶斯算法实现垃圾邮件分类

importrandomimportsysimportnumpyasnpimportpandasaspdfrompandasimportSeries,DataFrameimportredeftextParse(bigString):listOfTokens=re.split(r'\W*',bigString)#返回列表return[tok.lower()fortokinlistOfTokensif
Sunstar0708·2022-11-28 17:26

机器学习实战-使用matplotlib绘制决策树

matplotlib注解本文中使用matplotlib中的注解功能绘制树形图，它可以对文字着色并提供多种形状用以选择，而且我们还可以翻转箭头，将他指向数据或者节点。废话不多，刚代码，先完成使用文本注解绘制树节点。先来解决一个matplotlib中文显示乱码的问题，加入如下代码即可：importmatplotlib.pyplotaspltplt.rcParams['font.sans-serif']
shaojie_wang·2022-11-28 12:59

【机器学习实战】4 Logistic回归

5Logistic回归本章内容：Sigmoid函数和Logistic回归分类器最优化理论初步梯度下降最优化算法数据中的缺失项处理本章目的利用最优化算法，并利用它们训练出一个非线性函数用于分类Logistic回归的一般过程：收集数据：采用任意方法收集数据准备数据：由于需要进行距离计算，因此要求数据类型为数值另外，结构化数据格式最佳分析数据：采用任意方法对数据进行分析训练算法：大部分时间用于训练，训练
小胡的博客号Aoife艺馨·2022-11-27 20:43

机器学习实战——聚类分析（代码可运行）

对鸢尾属植物数据分析结果如下：先对数据进行预处理，转换成dataframe。最开始使用Kmeans对四个属性进行分析，发现得出的准确率只有0.8933，这个准确率并不是很高，于是想出了先用主成分分析PCA看一下各个属性对不同类别的影响。发现四个属性中，选用两个属性PC1和PC2更加好一些。发现相比较来说，主成分分析好像对Kmean并没有什么好处。于是采用主成分分析+其他方法。以KNN为：发现PCA
无乎648·2022-11-27 19:51

python kNN分类算法代码示例

（摘自机器学习实战）defclassify0(inX,dataSet,lab
小步想当程序员·2022-11-27 19:14

《机器学习实战》8.2 线性回归基础篇之预测鲍鱼年龄

《机器学习实战》8.2线性回归基础篇之预测鲍鱼年龄搜索微信公众号:‘AI-ming3526’或者’计算机视觉这件小事’获取更多人工智能、机器学习干货csdn：https://blog.csdn.net/
xiaoming3526·2022-11-27 13:50

机器学习实战教程（十一）：线性回归基础篇之预测鲍鱼年龄

原文链接：https://cuijiahua.com/blog/2017/11/ml_11_regression_1.html一、前言前面的文章介绍了很多分类算法，分类的目标变量是标称型数据，而本文将会对连续型的数据做出预测。主要讲解简单的线性回归和局部加权线性回归，并通过预测鲍鱼年龄的实例进行实战演练。二、什么是回归？回归的目的是预测数值型的目标值。最直接的办法是依据输入写出一个目标值的计算公式
圆方圆PYTHON学院·2022-11-27 07:49

【机器学习实战】使用sklearn中的线性回归LinearRegression对加利福尼亚房价进行预测

1.数据集特征值共有20640条数据，8个特征。目标值2.代码实现2.1回归预测fromsklearn.datasetsimportfetch_california_housingasfch#大数据集，需要下载，加利福尼亚房价数据集fromsklearn.model_selectionimporttrain_test_splitfromsklearn.linear_modelimportLinea
想做一只快乐的修狗·2022-11-27 07:19

自然语言处理系列二十三》词性标注》词性标注原理》HMM词性标注

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二十三词性标注HMM词性标注总结自然语言处理系列二十三词性标注词性标注
陈敬雷-充电了么-CEO兼CTO·2022-11-27 03:10

“机器学习实战”刻意练习——分类问题：决策树

参考：Python3《机器学习实战》学习笔记（二）：决策树基础篇之让我们从相亲说起-Jack-Cui-CSDN博客Python3《机器学习实战》学习笔记（三）：决策树实战篇之为自己配个隐形眼镜-Jack-Cui-CSDN
nanashi_F·2022-11-26 23:16
上一页 12 13 14 15 16 17 18 19 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他