啃书-机器学习实战

25自然语言处理词向量模型-Word2Vec

**唐宇迪《python数据分析与机器学习实战》学习笔记25自然语言处理词向量模型-Word2Vec**自然语言处理如今越来越广泛比如以下的应用途径：为什么要将深度学习引入自然语言处理：1.语言模型通过模型之前出现的概率值去选择
小食青年·2023-06-14 00:50

使用sklearn进行UCI machine learning数据集的机器学习实战

本文来自我的个人博客https://www.zhangshenghai.com/posts/51462/数据背景本实验使用的数据集来自UCImachinelearning数据集生命科学类中的LocalizationDataforPersonActivityDataSet，以下为数据集的官方网址：http://archive.ics.uci.edu/ml/datasets/Localization+
shenghaishxt·2023-06-13 21:56

Python实现ACO蚁群优化算法优化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·2023-06-13 10:50

Python实现ACO蚁群优化算法优化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·2023-06-13 10:47

第1讲 沟通是生死攸关的大事——林紫

说到教科书，很多人的心里可能都会咯噔一下，想起那些枯燥无味、昏昏欲睡的啃书的日子。
进香·2023-06-13 05:13

Python实现ACO蚁群优化算法优化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·2023-06-12 22:31

Python实现ACO蚁群优化算法优化随机森林分类模型(RandomForestClassifier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·2023-06-12 22:30

Python实现ACO蚁群优化算法优化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·2023-06-12 22:30

Python实现ACO蚁群优化算法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·2023-06-12 22:54

机器学习实战：Python基于Logistic逻辑回归进行分类预测（一）

目录1前言1.1Logistic回归的介绍1.2Logistic回归的应用2iris数据集数据处理2.1导入函数2.2导入数据2.3简单数据查看3可视化3.1条形图/散点图3.2箱线图3.3三维散点图4建模预测4.1二分类预测4.2多分类预测5讨论1前言1.1Logistic回归的介绍逻辑回归（Logisticregression，简称LR）是一种经典的二分类算法，它将输入特征与一个sigmoid
Bioinfo Guy·2023-06-12 02:39

《机器学习实战》第一章机器学习基础笔记

作者：PeterHarrington2013年第一部分分类第一章机器学习基础本章内容机器学习的简单概述机器学习的主要任务学习机器学习的原因python语言的优势1.1何谓机器学习机器学习：把无序的数据转换为有用的信息统计学和机器学习的关系：无法精确定义模型的时候，机器学习用统计学工具。1.2关键术语特征或者属性或者特征：测量的类型实例：测量的值训练数据：训练用的样本测试数据：测试用的样本1.3机器
sdnugao·2023-06-11 19:03

机器学习实战-决策树

假设有这么一组数据：不浮出水面是否可以生存是否有脚蹼属于鱼类1是是是2是是是3是否否4否是否5否是否特征包含：不浮出水面是否可以生存，是否有脚蹼。标签是属于鱼类。我们通过构造这样一棵决策树对其进行分类，每个叶子节点代表对一个分类的判断：decisiontree.png相比knn，决策树具体考虑了样本的每一个特征。那么，我们通过对哪些特征先后进行划分来构造这样一棵树呢？首先，我们将数据集转化成符号表
又双叒叕苟了一天·2023-06-11 06:44

C++ primer 第七章-类

另外由于已有一定的编程基础，所以这个系列不会含有太基础的知识，想入门的朋友最好自己啃书嘻嘻~关于数据抽象核心思想separationofinterface(opera
山幺幺·2023-06-10 16:03

总结895

背诵第17~18篇文章，每日长难句，听力强化线代：第二讲课程+做课后习题，以及做第一讲课后习题5道，这题目一看就会，一做就……期末复习：《智能优化算法》第二章遗传算法，在网上找不到完整的有关课程，只能啃书了
天真小巫·2023-06-10 16:34

【机器学习实战】Python基于K均值K-means进行聚类（九）

文章目录1前言1.1K-means的介绍1.2K-means的应用2demo实战演示2.1导入函数2.2创建数据2.3拟合聚类2.4查看结果3使用高级技术评估集群性能*3.1导入函数3.2整合数据3.3计算4讨论1前言1.1K-means的介绍K均值（K-means）是一种基于距离度量的聚类算法，其主要思想是将数据集划分为k个不同的簇，每个簇代表一个相似度较高的数据组。该算法通过迭代优化来最小化所
Bioinfo Guy·2023-06-10 09:30

机器学习实战六步法之数据收集方法（四）

要落地一个机器学习的项目，是有章可循的，通过这六个步骤，小白也能搞定机器学习。看我闪电六连鞭！数据收集数据是机器学习的基础，没有数据一切都是空谈！数据集的数据量和数据的质量往往决定了“事情的成败”。所以现在国内（比如百度的文言一心）搞大模型的公司，他们往往拥有“庞大的”数据资产。数据到底从何而来？数据的收集通常是比较费力的工作！我们通常通过开源的数据集、数据埋点、数据爬取来获取数据集。下面介绍一些
涛声依旧叭·2023-06-10 07:43

机器学习实战六步法之数据预处理（五）

要落地一个机器学习的项目，是有章可循的，通过这六个步骤，小白也能搞定机器学习。看我闪电六连鞭！数据的预处理通常包括5个步骤，如下：这个是比较完整的一个步骤，不同的算法可能会缺少一些步骤，例如无监督学习中，没有标签也就没有特征工程。1、数据可视化数据的可视化，可以帮我们发现数据中的规律和问题。通过数据可视化，我们可以从整体“俯瞰”数据的全貌。可以观察特征和标签之间可能存在哪些关系，以及观测特殊数据。
涛声依旧叭·2023-06-09 22:17

第35步 机器学习实战DLC：不平衡数据处理（下）

失踪人口回归的第二期，继续说一说用PSM处理不平衡数据。一、啥叫PSMPSM全称为PropensityScoreMatching，翻译过来就是倾向匹配得分，为了省流，让小Chart介绍一下：放到我们的数据就是：根据某个特征，从对类别0的1671例中挑出一部分来跟类别1来匹配，形成新的数据集，然后建模。其实就是多变少的策略。可以1:1、1:2、1:3等进行匹配，没啥固定说哪种比例好，慢慢试吧。多说一
Jet4505·2023-06-09 17:35

第34步 机器学习实战DLC：不平衡数据处理（上）

失踪人口回归的第一期，来说一说不平衡数据。一、不平衡数据的概念什么是不平衡数据？我们先来看看小Chat怎么说的：顾名思义，就是你的因变量1和0的样本数差距有点大，大到影响了模型性能。举个栗子，一个盒子里有100个红球，10个黄球，我们随机盲抽一个球，然后猜颜色，你会怎么猜？是不是无脑猜红球就得了。这么训练的话，模型永远达不到我们的要求。二、不平衡数据的处理处理的其实方法挺多的，首先看看小Chat怎
Jet4505·2023-06-09 17:05

2020-12-09

第一个月啃书的过程会比较难熬，由于基础不太好，只有大学的会计从业基础，所以第一遍看书的时候会比较困难，原因是专业的名词太多了学习上有点应接不暇。
NICI酱·2023-06-09 03:58

机器学习实战笔记（一）机器学习基础

什么是机器学习？机器学习能让我们从数据集中受到启发。我们会利用计算机来彰显数据背后的真实含义，这才是机器学习的真实含义。机器学习就是把无序的数据转换成有用的信息。可以这么说，机器学习对于任何需要解释并操作数据的领域都有所裨益。机器学习领域的关键术语下表是用于区分不同鸟类需要使用的四个不同的属性值。现实中，你可能会想测量更多的值。通常的做法是测量所有可测属性，然后再挑选出重要部分。上面测量的这四种值
三千侵天·2023-06-09 00:52

【一起啃书】《机器学习》第七章 贝叶斯分类器

文章目录第七章贝叶斯分类器7.1贝叶斯决策论7.2极大似然估计7.3朴素贝叶斯分类器7.4半朴素贝叶斯分类器7.5贝叶斯网7.6EM算法第七章贝叶斯分类器7.1贝叶斯决策论  对分类任务来说，在所有相关概率都已知的理想情形下，贝叶斯决策论考虑如何基于这些概率和误判损失来选择最优的类别标记，假设有NNN中可能的类别标记，即y={c1,c2,...,cN}y=\{{c_1},{c_2},...,{c_
小天才才·2023-06-08 08:03

【一起啃书】《机器学习》第八章 集成学习

文章目录第八章集成学习8.1个体与集成8.2Boosting8.3Bagging与随机森林8.4结合策略8.5多样性第八章集成学习8.1个体与集成  集成学习通过构建并结合多个学习器来完成学习任务，有时也被称为多分类器系统、基于委员会的学习等，下面是集成学习的一般结构：先产生一组“个体学习器”，再用某种策略将它们结合起来。如果集成中只包含同种类型的个体学习器，则这种集成称为同质集成，里面的个体学习
小天才才·2023-06-08 08:03

年轻小伙竟用python爬取B站视频评论！

大家好，我是啃书君。今天为大家带来的小demo是爬取B站视频的评论。开始还以为很难，等正真上手的时候发现，也就是那么回事。
栽花农人·2023-06-07 15:33

【8】继续“啃书”中

带着一身的疲惫坐到了茶桌前，白天的各种忙碌使得昨晚阅读的书还未合上，刚好现在准备继续读。今晚的这个章节内容是——属于你自己的合理阅读路径。通过几天的啃读，书中的一些原本觉得陌生的体现某些概念的词汇，也在不知不觉中迎刃而解，关键是读的时候总能回想起过往自己的教学生涯进行有效的反思……正如书中所言，新教育实验专业阅读地图只是一根多功能拐杖，为教师们提供阅读模型阅读理念阅读方法以及基本书目等，朝哪里走和
亲亲鱼老师·2023-06-07 02:41

《PyTorch高级机器学习实战》包邮送书三本

这里给大家推荐一本书籍：《PyTorch高级机器学习实战》本书主要介绍的是机器学习领域经典的算法内容，以及相
袁袁袁袁满·2023-06-06 21:16

读书那点儿事儿

若把应试为目的的啃书叫做读书，简直就糟蹋了“读书”二字。“读书”是一种从容、闲适、安静、日有所思日有所获的状态，和学生念书是两码事。从小学到大学，我身边学霸无数，令我敬仰又惊叹。
诗酒花_3b6e·2023-04-21 22:07

【社区图书馆】读书推荐：《PyTorch高级机器学习实战》

读书推荐：《PyTorch高级机器学习实战》作者：i阿极作者简介：Python领域新星作者、多项比赛获奖者：博主个人首页如果觉得文章不错或能帮助到你学习，可以点赞收藏评论+关注哦！
i阿极·2023-04-21 17:54

今日份迷茫

前段时间踌躇满志的报班学习写作，于是天天啃书，还满心欢喜的想开通公众号准备大干一场了。不过遇到一个感觉无法解决的世界难题——自我定位，不是说世界上最难了解的是自己吗？
明明斋_生活杂货铺·2023-04-21 17:25

机器学习实战 - 第4章 基于概率论的分类方法：朴素贝叶斯

一、基于贝叶斯决策理论的分类方法朴素贝叶斯的优点：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。使用数据类型：标称型数据(一般在有限的数据中取，而且只存在是和否两种不同的结果)。朴素贝叶斯是贝叶斯决策理论的一部分。贝叶斯决策理论：假设有一个数据集，它由两类数据组成，在判断具体数据属于哪个类别时，会选择高概率对应的类别。这就是贝叶斯决策理论的核心思想，即选择具
算法星球·2023-04-21 07:21

机器学习实战5-天气预测系列:利用数据集可视化分析数据，并预测某个城市的天气情况

大家好，我是微学AI，最近天气真的是多变啊，忽冷忽热，今天再次给大家带来天气的话题，机器学习实战5-天气预测系列，我们将探讨一个城市的气象数据集，并利用机器学习来预测该城市的天气状况。
微学AI·2023-04-21 04:44

机器学习实战：Python基于DT决策树模型进行分类预测（六）

文章目录1前言1.1决策树的介绍1.2决策树的应用2Scikit-learn数据集演示2.1导入函数2.2导入数据2.3建模2.4评估模型2.5可视化决策树2.6优化模型2.7可视化优化模型3讨论1前言1.1决策树的介绍决策树（DecisionTree，DT）是一种类似流程图的树形结构，其中内部节点表示特征或属性，分支表示决策规则，每个叶节点表示结果。在决策树中，最上方的节点称为根节点。它学习基于
Bioinfo Guy·2023-04-20 22:31

机器学习实战：Python基于LDA线性判别模型进行分类预测（五）

文章目录1前言1.1线性判别模型的介绍1.2线性判别模型的应用2demo数据演示2.1导入函数2.2训练模型2.3预测模型3LDA手写数字数据演示3.1导入函数3.2导入数据3.3输出图像3.4建立模型3.5预测模型4讨论1前言1.1线性判别模型的介绍线性判别模型（LinearDiscriminantAnalysis，LDA）是一种经典的监督学习算法，它旨在通过学习输入特征和它们所属类别之间的线性
Bioinfo Guy·2023-04-20 22:01

机器学习实战：Python基于DT决策树模型进行分类预测（六）

文章目录1前言1.1决策树的介绍1.2决策树的应用2Scikit-learn数据集演示2.1导入函数2.2导入数据2.3建模2.4评估模型2.5可视化决策树2.6优化模型2.7可视化优化模型3讨论1前言1.1决策树的介绍决策树（DecisionTree，DT）是一种类似流程图的树形结构，其中内部节点表示特征或属性，分支表示决策规则，每个叶节点表示结果。在决策树中，最上方的节点称为根节点。它学习基于
Bioinfo Guy·2023-04-20 22:24

2022-04-22

近日在看有关易经的东西，自我感觉好像是有点不一样了，有时张口就诶这东西易经里讲到过，那东西易经里讲到过，有点啃书本的呆子那味了哈哈，路还长时多不多这个我就不清楚了，或许就在明天或许九十年后呢。
D头·2023-04-20 19:38

【啃书系列11】如何在阅读中探究写作的技巧？

今天为大家分享《72堂写作课》第一课，文章面面观。有人说，艺术来源于生活，又高于生活。在我看来，文章亦如是。每一篇文章，都来源于作者的实际生活体验，以及所读别人的文章。我们在阅读一篇文章的时候，不仅要注意积累有用、有趣的内容素材，同时也要注意带着问题进行阅读，学习文章的形式。今天我们来谈一谈，如何在阅读中探究别人的文章写作技巧？需要注意哪些方面？一、文章的体制与套路在阅读时，我们可以思考，这篇文章
一享书香·2023-04-20 14:42

关于机器学习

1.现在的机器学习和深度学习实际上也不高明，机器学习可以用机器学习实战入门，数学要求不会高，但要理解精髓是比较困难的。
遇见我是你最大的运气·2023-04-20 07:36

机器学习实战——特征工程+xgboost股票预测

前言用上证50只股票的以上特征训练xgb模型预测当天的close。代码见文末["open","high","low","volume","price_change","ma5","ma10","ma20","p_change","v_ma5"
只会git clone的程序员·2023-04-19 17:57

读书笔记

终于知道什么是啃书本了就是狗狗啃骨头的感觉啦啃啊啃啊啃啊啃啊啃你觉得一点滋味都没有可是它呢？乐在其中乐此不疲乐不思蜀乐不可支乐而忘忧
热水c·2023-04-18 23:40

决策树（理论部分1）

决策树（理论部分1）教材：周志华机器学习参考视频资料：【一起啃书】机器学习西瓜书白话解读（来自bilibili）视频地址：https://www.bilibili.com/video/BV17J411C7zZ
weixin_48753696·2023-04-18 17:47

【啃书系列】机器学习（1）

【啃书系列】——机器学习第一部分工业蒸汽量预测1、赛题模型总括【机器学习】（1）回归预测模型输入：实值或者是离散数输出：一个连续值域上的任意值分类：多元回归问题：多个输入变量的回归问题时间序列预测问题：
找不到没用过的名字了·2023-04-18 17:46

决策树复习

u012328159/article/details/701844152.ksy_ehttps://blog.csdn.net/kunshanyuZ/article/details/878619603.B站【一起啃书
steve_tom·2023-04-18 17:16

送书 | aiohttp异步协程爬取同程旅行酒店评论并作词云图

我是啃书君！
敲代码的灰太狼·2023-04-18 17:16

机器学习啃书之决策树

本小菜鸡在努力找工作中，基础不扎实努力啃书恶补，如有不严谨描述，还请大佬指正！一、什么是决策树根据数据特征（if-else形式）划分数据集，进而进行分类。
德善的二分之一可爱·2023-04-18 17:16

【一起啃书】机器学习西瓜书白话解读——02模型评估与选择（2.1-2.2）

第2章模型评估与选择模型评估与选择（0201）2.1经验误差与过拟合（0202）2.2评估方法【训练集验证集与测试集】（0203测试集分割流出法）2.2.1留出法（hold-out）2.2.2交叉验证法（crossvalidation）(0204)2.2.3自助法（bootstrapping）(0205)2.2.4调参与最终模型（0206验证集）模型评估与选择（0201）分别看一种训练集一种算法、
苏打饼干没加心·2023-04-18 17:46

【一起啃书】《机器学习》第三章 线性模型

第三章线性模型3.1基本形式  给定由ddd个属性描述的示例x=(x1;x2;...;xd){\bf{x}}=({x_1};{x_2};...;{x_d})x=(x1;x2;...;xd)，其中xix_ixi是x\bf{x}x在第iii个属性上的取值，线性模型试图学得一个通过属性的线性组合来进行预测的函数，如下所示：f(x)=wTx+b=w1x1+w2x2+...+wdxd+bf({\bf{x}}
小天才才·2023-04-18 17:15

【机器学习】sklearn 笔记

学习方法不要死啃书，看不懂就先放弃，回过头再来看去网上找相关章节的文章，归类查看并做好笔记不要想着了解每个函数、参数的作用，不会不了解就去查资料即可，先上手跑起来1、机器学习算法的整体使用步骤如下：(1
myaijarvis·2023-04-18 17:45

【一起啃书】西瓜书（一）

希望通过b站视频课【一起啃书】机器学习西瓜书白话解读来认真读西瓜书，以下是对视频中的重点记录，以及课后自己看书得到的感悟和记录视频学习笔记学习资源：b站李沐老师的论文精读《西瓜书》《南瓜书》《机器学习实战
反科研pua所所长·2023-04-18 17:14

【一起啃书】《机器学习》第四章决策树

第四章决策树4.1基本流程  决策树是一类常见的机器学习方法，是基于树结构来进行决策的，通过对训练样本的分析来确定划分属性，来模拟人类决策过程。  一般的，一棵决策树包含一个根结点、若干个内部结点和若干个叶结点，叶结点对应于决策结果，其他每个结点则对应于一个属性测试，每个结点包含的样本集合根据属性测试的结果被划分到子结点中，根结点包含样本全集，从根结点到每个叶结点的路径对应了一个判定测试序列。决策
小天才才·2023-04-18 17:43

深度学习入门路径

基础（深度之眼课程）[5d]2.数学基础（深度之眼课程）[10d]基础课程不限于此，资源较多，可自行选择机器学习部分1.吴恩达机器学习（B站资源）+机器学习图解笔记（up主：深度碎片）[20d]@2.机器学习实战
或跃在渊_NUE·2023-04-18 11:15
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他