【python机器学习】

【Java GUI 开发实践】基于ChannelSftp对Linux虚拟机进行远程指令操作

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一
Issac-Clarke·2023-12-06 09:49

【100天精通Python】Day75：Python机器学习-第一个机器学习小项目_鸾尾花分类项目（上）

目录1机器学习中的Helloworld_鸾尾花分类项目2导入项目所需类库和鸾尾花数据集2.1导入类库2.2scikit-learn库介绍（1）主要特点：（2）常见的子模块：3导入鸾尾花数据集3.1概述数据3.2数据维度3.3查看数据自身3.4统计描述数据3.5数据分类分布4数据可视化4.1单变量图表4.2多变量图表1机器学习中的Helloworld_鸾尾花分类项目鸢尾花分类是机器学习领域中的一个经
LeapMay·2023-12-06 00:36

【100天精通Python】Day74：python机器学习的生态圈（numpy,scipy,scikit-learn等），库安装环境搭建（conda virtualenv）， 以及入门代码示例

目录1python机器学习的生态圈1.1NumPy和SciPy：1.2Pandas：1.3Matplotlib和Seaborn：1.4Scikit-Learn：1.5TensorFlow和PyTorch
LeapMay·2023-12-06 00:36

一文讲透Python机器学习决策树算法的基本概念与原理

1.决策树算法的基本特点与优势决策树算法是一种有监督、非参数、简单、高效的机器学习算法。相对于非监督式学习方法，决策树算法由于充分利用了响应变量的信息，因此能够很好地克服噪声问题，在分类及预测方面效果更佳。决策树的决策边界为矩形，所以对于真实决策也为矩形的样本数据集有着很好的预测效果。此外，决策树算法以树形展示分类结果，在结果的展示方面比较直观，所以在实务中应用较为广泛。2.决策树示例及解读决策树
数据科学作家·2023-12-05 20:15

python机器学习

文章目录机器学习1.sklearn库1.1使用sklearn库提供的数据集1.2数据集的划分1.3特征工程1.3.1特征抽取1.3.1.1字典特征提取：类别->one-hot编码1.3.1.2文本特征抽取1.3.2特征预处理1.3.2.1归一化1.3.2.2标准化1.3.3特征降维1.3.3.1特征选择1.3.3.1.1低方差特征过滤1.3.3.1.2相关系数1.3.3.2主成分分析PCA2.分类
FF_y·2023-12-05 20:52

Python之路200个小例子网页版，真诚奉献，从一而终！

前言历史两个月，利用所有业余时间，与朋友一起搜集、创作Python小例子，截止目前已超过200个例子：Python之路1简洁之美2Python绘图3Python动画4Python数据分析5Python机器学习
程序员秃秃·2023-12-05 18:52

Python机器学习、深度学习入门丨气象常用科学计算库、气象海洋常用可视化库、爬虫和气象海洋数据、气象海洋常用插值方法、EOF统计分析、WRF模式后处理等

目录专题一Python软件的安装及入门专题二气象常用科学计算库专题三气象海洋常用可视化库专题四爬虫和气象海洋数据专题五气象海洋常用插值方法专题六机器学习基础理论和实操专题七机器学习的应用实例专题八深度学习基础理论和实操专题九深度学习的应用实例专题十EOF统计分析专题十一模式后处理更多应用Python是功能强大、免费、开源，实现面向对象的编程语言，能够在不同操作系统和平台使用，简洁的语法和解释性语言
WangYan2022·2023-12-05 11:14

Python、Stata、SPSS怎么学？推荐一波学习资料

1.Python学习推荐书目关于Python机器学习，推荐学习杨维忠、张甜所著的，清华大学出版社出版的《Python机器学习原理与算法实现》，以及张甜、杨维忠所编著的，清华大学出版社出版的《Python
数据科学作家·2023-12-04 15:56

一文讲透Python机器学习中的K折交叉验证法

1.K折交叉验证法的基本原理K折交叉验证是针对验证集法的另外一种改进方式，也广泛用于机器学习实践。具体的操作方式就是首先把样本全集采用分层抽样的方式随机划分为大致相等的K个子集，每个子集包含约1/K的样本，K的取值通常为5或者10，其中10最为常见。然后，每次都把K-1个子集的并集，也就是约（K-1）/K的样本作为训练集，把1/K的样本作为测试集，基于训练集训练获得模型，基于测试集进行评价，计算测
数据科学作家·2023-12-04 15:56

以下选项不是python文本处理方向第三方库_Python程序设计-超星尔雅-学习通-题库零氪...

2.1python安装1、【单选题】以下属于Python机器学习第三方库的是:A、JiebaB、SnowNLPC、LosoD、sklearn2、【单选题】以下属于PythonWeb开发框架第三方库的是:
weixin_39552317·2023-12-04 07:37

Python机器学习入门 -- 支持向量机学习笔记

文章目录前言一、支持向量机简介二、支持向量机的数学原理1.距离解算2.目标函数3.约束下的优化求解4.软间隔优化5.核函数变换三、Python实现支持向量机1.惩罚力度对比2.高斯核函数3.非线性SVM总结前言大部分传统的机器学习算法都可以实现分类任务，但这些模型关注的是将不同类别的数据分得开就行，也就是说它们的核心思想是让整个模型分类出错的损失越小越好。刚刚好有一种机器学习模型，它不仅关注分类能
szu_ljm·2023-12-03 19:48

ApacheCN 数据科学译文集 20210313 更新

基础知识二、数据清理和高级机器学习三、Web爬取和交互式可视化Python数据科学和机器学习实践指南零、前言一、入门二、统计和概率回顾和Python实践三、Matplotlib和高级概率概念四、预测模型五、Python
布客飞龙·2023-12-03 14:48

【100天精通Python】Day73：python机器学习入门算法详解与代码示例

目录1.监督学习算法：1.1线性回归（LinearRegression）：1.2逻辑回归（LogisticRegression）：1.3决策树（DecisionTree）：1.4支持向量机（SupportVectorMachine）：1.5随机森林（RandomForest）：2.无监督学习算法：2.1聚类算法（Clustering）：2.2主成分分析（PCA）：2.3K均值聚类（K-meansC
LeapMay·2023-12-03 08:19

一文讲透Python机器学习特征工程中的特征标准化

在Python中，可通过scikit-learn模块中的StandardScaler()函数实现对特征的标准化处理。StandardScaler()函数处理的数据对象同样是每一列，也就是每一维特征。StandardScaler()函数通过去除平均值和缩放到单位方差来标准化特征，将样本特征值转换为标准正态分布，因此该方法也被称为Z-score方法，也是默认的数据标准化处理方法。该方法和整体样本的分布
数据科学作家·2023-12-02 02:43

聚类算法Sklearn实践

在实践中，为了方便快捷地应用聚类算法，可以使用Scikit-learn（简称Sklearn）这个强大的Python机器学习库。
非著名程序员阿强·2023-12-01 08:29

机器学习（一）：简介

编程语言：Python参考书籍：《Python机器学习实践指南》《机器学习实战》为什么使用PythonPython具有清晰的语法结构,简单易上手。
打不死的小黑·2023-12-01 01:08

深度学习框架：（1）PyTorch，（2）TensorFlow 和keras

PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。2017年1月，由Facebook人工智能研究院（FAIR）基于Torch推出了PyTorch。
随心就好@·2023-11-30 15:50

RK3566&RK3568 安卓11 在framework层进行串口通信

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一
By-LQX·2023-11-29 11:08

Python机器学习手册（六）

非结构化文本数据（比如，一本书或一条推文的内容）是处理起来最有意思也是最难的特征之一6.1清洗文本对一些非结构化的文本数据进行基本的清洗大部分基本的文本清洗操作用python的常用字符串操作即可完成。其中strip、replace、split这三个操作用的最多#创建文本text_data=["Interrobang.ByAishwaryaHenriette","ParkingAndGoing.By
白白+懒懒·2023-11-29 11:05

python机器学习：SVM（8）

SVM#-*-coding:utf-8-*-importnumpyasnpfromscipyimportioasspiofrommatplotlibimportpyplotaspltfromsklearnimportsvmdefSVM():'''data1——线性分类'''data1=spio.loadmat('data1.mat')X=data1['X']y=data1['y']y=np.rav
HarryStudyPython_ing·2023-11-29 11:33

python机器学习：决策树与随机森林（6）

决策树与随机森林决策树部分python机器学习：决策树关于CART与ID3,C4.5附代码（4）随机森林部分#coding=utf-8importnumpyasnpimportdecision_treeclassRandomForest
HarryStudyPython_ing·2023-11-29 11:33

python机器学习：SVM（7）

scikit-learn中的SVMimportnumpyasnpimportmatplotlib.pyplotaspltimportnumpyasnpimportmatplotlib.pyplotasplt一个常用的画图函数defplot_decision_boundary(model,axis):"""绘制不规则决策边界"""x0,x1=np.meshgrid(np.linspace(axis[
HarryStudyPython_ing·2023-11-29 11:33

python机器学习：决策树（3）

决策树摘要：如何处理txt文件完成简单决策树算法数据结构txt文件youngmyopenoreducednolensesyoungmyopenonormalsoftyoungmyopeyesreducednolensesyoungmyopeyesnormalhardyounghypernoreducednolensesyounghypernonormalsoftyounghyperyesreduc
HarryStudyPython_ing·2023-11-29 11:03

python机器学习：决策树（1）

决策树importnumpyasnpimportos%matplotlibinlineimportmatplotlibimportmatplotlib.pyplotaspltplt.rcParams['axes.labelsize']=14plt.rcParams['xtick.labelsize']=12plt.rcParams['ytick.labelsize']=12importwarnin
HarryStudyPython_ing·2023-11-29 11:02

python机器学习：决策树（2）

决策树frommatplotlib.font_managerimportFontPropertiesimportmatplotlib.pyplotaspltfrommathimportlogimportoperatorimportpickledefcreateDataSet():dataSet=[[0,0,0,0,'no'],[0,0,0,1,'no'],[0,1,0,1,'yes'],[0,1,
HarryStudyPython_ing·2023-11-29 11:02

python机器学习 玩飞行小鸟游戏

python机器学习玩飞行小鸟游戏截图视频效果代码截图视频效果机器学习玩飞行的小鸟游戏代码#coding:utf-8importrandomimportPATHimportcv2fromitertools
图像处理大大大大大牛啊·2023-11-28 23:02

pandas教程：Introduction to scikit-learn scikit-learn简介

13.4Introductiontoscikit-learn（scikit-learn简介）13.4Introductiontoscikit-learn（scikit-learn简介）scikit-learn是一个被广泛使用的python
Cachel wood·2023-11-28 10:15

Qt自定义标题栏，实现拖动功能

Qt自定义标题栏，实现拖动功能提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录
pingdaozhang·2023-11-28 09:40

ES6_04- 模板字符串+标签模板字符串

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用文章目录系列文章目录1.模板字符串1.1.写法1.2.普通字符串1.3
冬眠海带丝·2023-11-27 00:41

机器学习第四章线性回归算法进阶4.3线性回归的正则化（《大话Python机器学习》学习笔记）

第四章线性回归算法进阶4.3线性回归的正则化4.3.1为什么要使用正则化欠拟合（Underfitting）：  采用一定的算法去拟合时，如果没有考虑相当的信息量（特征变量），从而对训练数据集的拟合算法无法精确，便会发生欠拟合现象。欠拟合也成为高偏差（Bias），即建立的模型拟合与预测效果较差。  解决方法：通过增加更多的特征变量，利用更高次幂的多项式当作假设函数，以该假设函数来拟合训练数据。  欠
BianchiHB·2023-11-26 22:49

【机器学习】带你轻松理解什么是强化学习中的贝尔曼方程

系列文章目录第十八章Python机器学习入门之强化学习目录系列文章目录前言一、什么是贝尔曼方程二、贝尔曼方程为什么有用三、贝尔曼方程是怎么来的总结前言贝尔曼方程是强化学习中最重要的一个方程式。
晓亮.·2023-11-26 03:12

python机器学习手写算法系列——RANSAC(随机抽样一致)回归

本文旨在通过在最简单的一元一次方程中运用RANSAC，编写代码，来学习RANSAC算法。RANSAC算法RANSAC[1]算法，全程是RandomSampleConsensus（随机抽样一致）。它采用迭代的方式从一组包含outliers的数据中估算出回归模型。RANSAC是一个非确定性算法，因为它是“随机抽样”的。它原来是计算机视觉的算法，后来被用来做线性回归。RANSAC回归用最少的数据点训练模
织网者Eric·2023-11-25 17:19

Python机器学习之随机森林

引言 随机森林的原理网上有一大堆，作为入门小白，下面来根据教材敲两个随机森林的代码。随机森林有两个比较重要的参数：max_features和n_estimators。max_features的取值越高，随机森林里的每一颗决策树就会“长得更像”。如果max_features的取值越低，就会迫使每颗决策树的样子更加不同，而且因为特征太少，决策树们不得不制造更多节点来拟合数据。n_estimators控
一只怂货小脑斧·2023-11-23 08:43

PYTHON机器学习实战——集成学习 AdaBoost元算法

集成学习AdaBoost元算法更新数据集增大判断错误的样本权重自举汇聚法（bootstrapaggregating），也称为bagging方法，是在从原始数据集选择S次后得到S个新数据集的一种技术。bagging中的数据集相当于是有放回取样，比如要得到一个大小为n的新数据集，该数据集中的每个样本都是在原始数据集中随机抽样（有放回），也就是说原始数据集中的样本有部分可能就不会出现在新的数据集中，而有
EwenWanW·2023-11-22 16:15

【机器学习实战一：K-近邻算法】

点击下载2、运行环境为：window10+python3.2+各种python机器学习库。安装可参考：点击打开链接3、本文注重代码的实现过程，其基本知识请参考《机器学习实战》和一些知名博客。
hefei_cyp·2023-11-22 15:37

Python机器学习、深度学习提升气象、海洋、水文领域实践应用

Python是功能强大、免费、开源，实现面向对象的编程语言，能够在不同操作系统和平台使用，简洁的语法和解释性语言使其成为理想的脚本语言。除了标准库，还有丰富的第三方库，Python在数据处理、科学计算、数学建模、数据挖掘和数据可视化方面具备优异的性能。上述优势使得Python在气象、海洋、地理、气候、水文和生态等地学领域的科研和工程项目中得到广泛应用。可以预见未来Python将成为气象、海洋和水文
天青色等烟雨..·2023-11-22 10:44

python自学入门书籍推荐-推荐python机器学习实践的书籍？

直接实战的话，其实看ScikitLearn的官网就可以了。不仅有算法的说明，还有相关的参数文档，还有对应的案例分析，也有一些简单数据供参考。从开源的角度上讲，ScikitLearn已经做得非常不错了。遇到相关知识点的话，去翻阅博客或者书籍的对应章节就可以了。机器学习是计算机科学与人工智能的重要分支领域。周志华老师的《机器学习》这本书作为该领域的入门教材，在内容上涵盖机器学习基础知识的很多方面。全书
weixin_37988176·2023-11-22 02:59

【机器学习】特征工程：特征选择、数据降维、PCA

各位同学好，今天我和大家分享一下python机器学习中的特征选择和数据降维。内容有：（1）过滤选择；（2）数据降维PCA；（3）sklearn实现那我们开始吧。
TwcatL_tree·2023-11-22 01:40

【Python百宝箱】探索数据科学的瑞士军刀：Python机器学习库大揭秘

前言：随着人工智能和机器学习技术的不断发展，构建强大的数据科学和机器学习应用变得更加令人兴奋和具有挑战性。本文旨在向读者介绍一系列在这一领域取得巨大成功的工具和库。从传统的机器学习基础库到深度学习框架，从数据处理和可视化到自然语言处理和计算机视觉，我们将一一探讨这些工具的重要性以及如何使用它们构建强大的应用。文章目录数据魔法：用强化学习和模型解释揭示隐藏的信息1.机器学习基础库1.1**`scik
friklogff·2023-11-20 19:16

学了这么久，你知道Python机器学习全流程是怎样的么？

万事开头难，首先Python机器学习整个流程的第一步就是学习Python这门编程语言的相关基础知识。
python 筱水花·2023-11-20 19:08

PyTorch环境安装

PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。
#include·2023-11-20 10:35

es的优势

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一
破局缘·2023-11-20 07:38

【python机器学习】决策树（二）

目录一、基尼系数二、决策树中的超参数三、决策树解决回归问题四、决策树的局限性一、基尼系数在决策树中，基尼系数是一种衡量数据集纯度的指标。在构建决策树时，基尼系数可以用来确定每个节点上哪个特征是最好的分割特征。基尼系数越小，表示数据集的纯度越高。它和上一小节提到的信息熵类似。代码示例：importnumpyasnpimportmatplotlib.pyplotaspltfromsklearnimpo
敲代码的喜羊羊·2023-11-19 06:18

【Python机器学习】PCA降维算法讲解及二维、高维数据可视化降维实战（附源码 超详细）

需要全部代码请点赞关注收藏后评论区留言私信~~~维数灾难维数灾难是指在涉及到向量计算的问题中，当维数增加时，空间的体积增长得很快，使得可用的数据在空间中的分布变得稀疏，向量的计算量呈指数倍增长的一种现象。维数灾难涉及数值分析、抽样、组合、机器学习、数据挖掘和数据库等诸多领域。降维不仅可以减少样本的特征数量，还可以用来解决特征冗余（是指不同特征有高度相关性）等其他数据预处理问题。可视化并探索高维数据
showswoller·2023-11-17 08:23

python机器学习——主成分分析PCA实现

主成分分析PCA实现一、数据降维二、应用“手写体数字图像”数据进行PCA操作参考文献：一、数据降维降维/压缩问题是选取具有代表性的特征，在保持数据多样性（Variance）的基础上，规避掉大量的特征冗余和噪声，不过这个过程也很有可能会损失一些有用的模式信息。经过大量的实践证明，相较于损失的少部分模型性能，维度压缩能够节省大量用于模型训练的时间，使得PAC所带来的模型综合效率变得更为划算。在数据挖掘
曹文杰1519030112·2023-11-16 10:10

python机器学习算法实训 - （二） 手写岭回归和lasso回归

是的，我来更新了。线性模型之间还是很相似的，有了线性回归，其他的也好展开了。理论部分两张图来自林轩田老师的机器学习基石，向同学们推荐一手。岭回归和Lasso回归1.1什么是过拟合如图所示，在数据量不够大的情况下，如果我们使用一个高阶多项式（图中红色曲线所示），例如10阶，对目标函数（蓝色曲线）进行拟合。拟合曲线波动很大，虽然Ein很小，但是Eout很大，也就造成了过拟合现象。我们看似在数据集上获得
印第安老斑鸠啾·2023-11-16 10:33

Python机器学习算法入门教程（第五部分）

接着Python机器学习算法入门教程（第四部分），继续展开描述。
别致的SmallSix·2023-11-15 11:25

python机器学习 | 聚类算法之K-Means算法介绍及实现

本篇博客具体学习参考：K-means聚类算法原理及python实现聚类算法之K-Means算法介绍及实现1K-Means算法介绍1.1聚类算法介绍1.2K-means算法思想和流程介绍1.3K-means算法的代码实现1.3.1简单例子1.3.2python代码实现1.4K-means评价1.5K-means优化2K-means的API2.1API介绍2.2API应用2.2.1国家的足球运动等级聚
Claire_chen_jia·2023-11-15 09:31

Python机器学习、深度学习提升气象、海洋、水文领域实践应用

Python是功能强大、免费、开源，实现面向对象的编程语言，能够在不同操作系统和平台使用，简洁的语法和解释性语言使其成为理想的脚本语言。除了标准库，还有丰富的第三方库，Python在数据处理、科学计算、数学建模、数据挖掘和数据可视化方面具备优异的性能。上述优势使得Python在气象、海洋、地理、气候、水文和生态等地学领域的科研和工程项目中得到广泛应用。可以预见未来Python将成为气象、海洋和水文
梦想的初衷~·2023-11-15 08:26

计算机毕业设计：基于python机器学习的全国气象数据采集预测可视化系统 预测模型+爬虫（包含文档+源码+部署教程）

[毕业设计]2023-2024年最新最全计算机专业毕设选题推荐汇总感兴趣的可以先收藏起来，还有大家在毕设选题，项目以及论文编写等相关问题都可以给我留言咨询，希望帮助更多的人。1、摘要随着气候变化的不断加剧，气象数据的准确性和时效性变得愈发重要。本论文介绍了一个基于Python网络爬虫技术的天气数据自动获取与可视化分析系统，该系统可以自动地从中国天气网获取实时天气数据，并将数据清洗、存储在MYSQL
q_3375686806·2023-11-12 13:44
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他