啃书-机器学习实战

【推荐收藏】【机器学习实战】分类（以MNIST为例）（挑战全网最全，没有之一，另附完整代码与加速库的使用）

参照《机器学习实战》第二版1、MNIST本章使用MNIST数据集，这是一组由70000张手写的数字图片，每张图片都用其代表的数字标记。
憶·2022-12-08 11:56

机器学习实战--二分类（MNIST数据集）

importmatplotlib.pyplotasplt%matplotlibinlinefromsklearn.datasetsimportfetch_mldatamnist=fetch_mldata('MNISToriginal')Scikit-Learn加载数据集通常具有类似于字典的结构，包括：DESCR：描述数据集data:包含一个数组，每个实例为一行，每个特征为一列target：包含一个
哈哈你个大锤子·2022-12-08 11:55

【机器学习实战】使用SGD、随机森林对MNIST数据集实现多分类（jupyterbook）

1.获取数据集并重新划分数据集#获取MNIST数据集fromsklearn.datasetsimportfetch_openmlmnist=fetch_openml('mnist_784',version=1,cache=True,as_frame=False)#查看测试器和标签X,y=mnist['data'],mnist['target']X_train,X_test,y_train,y_te
想做一只快乐的修狗·2022-12-08 11:50

机器学习实战教程（五）：朴素贝叶斯实战篇之新浪新闻分类

原文链接：Jack-Cui，https://cuijiahua.com/blog/2017/11/ml_5_bayes_2.html一、前言上篇文章机器学习实战教程（四）：朴素贝叶斯基础篇之言论过滤器讲解了朴素贝叶斯的基础知识
圆方圆PYTHON学院·2022-12-08 09:34

python predictabel_Python3《机器学习实战》学习笔记（五）：朴素贝叶斯实战篇之新浪新闻分类...

)p1Vect=np.log(p1Num/p1Denom)#取对数，防止下溢出p0Vect=np.log(p0Num/p0Denom)returnp0Vect,p1Vect,pAbusive#返回属于侮辱类的条件概率数组，属于非侮辱类的条件概率数组，文档属于侮辱类的概率"""函数说明:接收一个大字符串并将其解析为字符串列表Parameters:无Returns:无Author:JackCuiBlo
weixin_39851408·2022-12-08 09:02

“机器学习实战”刻意练习——分类问题：朴素贝叶斯

参考：Python3《机器学习实战》学习笔记（四）：朴素贝叶斯基础篇之言论过滤器-Jack-Cui-CSDN博客Python3《机器学习实战》学习笔记（五）：朴素贝叶斯实战篇之新浪新闻分类-Jack-Cui-CSDN
nanashi_F·2022-12-08 09:54

机器学习实战（一）：Document clustering 文档聚类

机器学习实战（一）：Documentclustering文档聚类1.简介2.数据解析3.符号化和词根化4.词向量化5.Kmeans6.绘图1.简介  文档聚类是指根据文档的文本和语义背景将其归入不同的组别
Jasper0420·2022-12-07 22:58

matlab程序通过PCA降维实现手写数字识别

实现PCA的过程主要有以下几个环节，可以借鉴下面这篇文章：机器学习实战之P
weixin_53126566·2022-12-07 18:00

机器学习实战——Logistic回归

目录一.Logicstic回归的一般过程1.logicstic：2.sigmoid函数2.1：Logicstic回归：分类问题2.2Logicstic回归：极大似然法二.基于最优化方法的最佳回归系数确定2.1.梯度上升法2.1.1Logicstic回归梯度上升优化算法：2.1.2分析数据：画出决策边界2.1.3训练算法：随机梯度上升2.1.4改进的随机梯度上升算法三.实例：从疝气病症预测病马的死亡
SUGA没有R·2022-12-07 17:49

机器学习实战-KNN

1.KNN概述k-近邻（kNN,k-NearestNeighbor）算法是一种基本分类与回归方法，这里只讨论分类问题中的k-近邻算法。一句话总结:近朱者赤近墨者黑！k近邻算法的输入为实例的特征向量，对应于特征空间的点；输出为实例的类别，可以取多类。k近邻算法假设给定一个训练数据集，其中的实例类别已定。分类时，对新的实例，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进行预测。因此，k近邻算法
J___code·2022-12-07 15:24

朴素贝叶斯----过滤垃圾邮件

一、思路框架1.收集数据2.准备数据3.分析数据4.训练算法5.测试算法6.使用算法二、具体实施1.准备数据阶段：因为《机器学习实战》这本书提供的有源数据，因此省去了数据收集和准备的阶段，直接分析数据。
夜雨_小学徒·2022-12-07 15:50

知识体系结构---备份

python基础-》机器学习-》机器学习实战+深度学习框架+深度学习目前的学习方法的话就是----》看看理论以后，跑跑实验，熟悉熟悉代码1常见工程、应用、学习错误与安装问题与实用技巧2知识体系结构（副）
*Major*·2022-12-07 12:34

加州房价预测项目详细笔记（Regression）——（2）采样（数据分割）＜重要＞

参考内容：《机器学习实战》原作者github：https://github.com/ageron/handson-ml加州房价预测项目精细解释https://blog.csdn.net/jiaoyangwm
七上八下的黑·2022-12-07 11:24

【机器学习实战】对加州住房价格数据集进行数据探索（读书笔记）

1.数据集描述及获取数据集下载地址：housing.csv数据集的结构：其中数据集有10个属性，分别为经度、纬度、housing_median_age、房间总数、卧室总数、人口数、家庭数、收入中位数、房价中位数、ocean_proximity。2.对数据集进行探索2.1获取数据集的简单描述一共有20640个实例，其中total_bedrooms的缺失值有20640-20433=207个，除了oce
想做一只快乐的修狗·2022-12-07 11:52

边境的悍匪—机器学习实战：第九章 无监督学习任务

第九章无监督学习任务文章目录第九章无监督学习任务前言一、思维导图二、主要内容1、聚类2、高斯混合模型三、课后练习四、总结前言我们在解决实际问题的时候会遇到很多没有标签的数据，但是给实例打上标签又是一个费时费力的过程，这个时候我们就可以使用无监督学习来解决这个问题。这只是无监督学习的一个应用，他还能解决包括异常检测，图片分割，推荐系统在内的多个实际问题，并且无监督学习还有针对解决不同问题时使用的不同
doubleZ7·2022-12-07 10:15

【机器学习实战】对加州住房价格数据集进行回归预测（线性回归、决策树、随机森林）

1.使用交叉验证来验证线性回归defdisplay_scores(scores):print("分数：",scores)print("均值：",scores.mean())print('标准差：',scores.std())lin_scores=cross_val_score(lin_reg,housing_prepared,housing_labels,scoring="neg_mean_squ
想做一只快乐的修狗·2022-12-07 02:01

【机器学习实战】对加州住房价格数据集进行回归预测（线性回归、决策树）

1.使用线性回归训练、评估#先训练一个线性回归模型fromsklearn.linear_modelimportLinearRegressionlin_reg=LinearRegression()lin_reg.fit(housing_prepared,housing_labels)#对整个数据集的预测效果使用RMSE来进行评估fromsklearn.metricsimportmean_square
想做一只快乐的修狗·2022-12-07 02:31

【机器学习实战】对加州住房价格数据集进行数据清洗

1.先将X和Y（标签值）分开#预测器housing=start_train_set.drop("median_house_value",axis=1)#标签housing_labels=start_train_set["median_house_value"].copy()预测器：标签值：2.对缺失值进行处理2.1通常对缺失值进行处理的三种方法#1.放弃这些相应的地区，即删掉包含缺失值的每一行样本
想做一只快乐的修狗·2022-12-07 02:30

【机器学习实战】使用XGBoost、RandomForest、线性回归实现波士顿房价回归预测

1.代码fromsklearn.datasetsimportload_bostonfromsklearn.model_selectionimporttrain_test_split,cross_val_scorefromxgboostimportXGBRegressorfromsklearn.ensembleimportRandomForestRegressorfromsklearn.linear
想做一只快乐的修狗·2022-12-07 02:27

机器学习实战——logistic回归

目录一、Logistic回归介绍1.Logistic回归的一般过程2.Logistic回归的特点二、基于Logistic回归和Sigmoid函数的分类三、基于最优化方法的最佳回归系数确定1.梯度上升法2.梯度下降法四、训练算法：使用梯度上升找到最佳参数1.数据准备2.训练算法3.绘制决策边界4.随机梯度上升算法5.改进的随机梯度上升算法6.回归系数与迭代次数的关系五、使用逻辑回归进行MNIST数据
weixin_46120403·2022-12-07 00:51

机器学习实战——第五章（分类）：Logistic回归

前言首先感谢博主：Jack-Cui主页：http://blog.csdn.net/c406495762Logistic回归博文地址：https://blog.csdn.net/c406495762/article/details/77723333https://blog.csdn.net/c406495762/article/details/77851973#%E4%B8%80-%E5%89%8D
TommyAisinGioro·2022-12-07 00:20

机器学习实战——决策树算法

背景知识：决策树经常用于解决分类问题，是最常用的数据挖掘算法k近邻应用场景很多，但是无法给出数据的内在含义。决策树可以根据数据集创建规则。优点：计算复杂度不高，输出结果易于理解，对中间值缺失不敏感，可以处理不相关特征数据缺点：可能产生过度匹配问题决策树的构造：用信息论划分数据集，如果不同类则找划分方法，一直递归多个特征的情况下，如何判断选取的特征顺序呢：采用量化方法计算每个特征值划分数据集获得的信
iwtbs_kevin·2022-12-07 00:49

机器学习实战——Logistic回归代码

importmatplotlib.pyplotaspltfromnumpyimport*#从testSet.txt读取数据，创建data和labeldefcreatedata():f=open('testSet.txt')data=[]label=[]forlineinf.readlines():temp=line.strip().split('\t')temp_l=[1.0,float(temp
qq_26269815·2022-12-07 00:48

《机器学习实战》——第3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：数值型和标称型。创建分支的伪代码函数createBranch()如下所示：3.1.1信息增益划分数据集的大原则是：将无序的数据变得更加有序。划分数据集之前之后信息发生的变化称为信息增益。在可以评测哪种数据划分方式是最好的数据划分之前，我们必须学习如何
海鸥丸拉面·2022-12-07 00:17

机器学习实战——决策树ID3

文章目录1.决策树的构造1.1决策树的一般流程1.2信息熵（1）定义（2）code：计算信息熵、创建数据集1.3划分数据集（1）code：按照给定特征划分数据集1.4信息增益（1）定义（2）code：选择最好的数据集划分方法1.5递归构造决策树（1）算法步骤（2）code：创建树1.6测试算法：使用决策树执行分类1.7使用算法：决策树的存储2.ID3算法(不含剪枝)代码3.性能度量3.1错误率3.
冠long馨·2022-12-07 00:17

机器学习实战——KNN代码

fromnumpyimport*importoperator#创建初始训练数据和输出标签defcreate_data():group=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])labels=['A','A','B','B']returngroup,labels#2——1defclassify0(intx,dataset,labels,k):datasize
qq_26269815·2022-12-07 00:17

机器学习实战——决策树代码

frommathimportlog#3-1计算数据集的熵#对数据集有一定的要求，数据集的最后一列必须是类别标签defcalcShannonEnt(dataset):m=len(dataset)#实例的个数LabelsDict={}#标签字典fortempindataset:#统计每种标签各自有多少实例label=temp[-1]iflabelnotinLabelsDict.keys():Label
qq_26269815·2022-12-07 00:17

机器学习实战——3.3 测试和存储分类器

目录1.测试算法：使用决策树执行分类2.使用算法：决策树的存储1.测试算法：使用决策树执行分类在执行数据分类时，需要使用决策树以及用于构造决策树的标签向量。然后，程序比较测试数据与决策树上的数值，递归执行该过程直到进入叶子节点；最后将测试数据定义为叶子节点所属的类型。defclassify(inputtree,featlabels,testvec):firststr=list(inputtree.
GH0602·2022-12-07 00:46

《机器学习实战》—— 决策树

目录一、决策树的构造1.信息增益2.划分数据集3.递归构建决策树二、在Python中使用Matplotlib注解绘制树形图1.Matplotlib2.构造注解树三、测试和存储分类器1.测试算法：使用决策树执行分类2.使用算法：决策树的存储四、应用：使用决策树预测车辆的状况五、改进算法1.C4.5算法2.CART一、决策树的构造决策树（decisiontree）是一类常见的机器学习算法，它是基于树结
LiaoNanan·2022-12-07 00:46

《机器学习实战》—— Logistic 回归

文章目录一、Logistic回归二、基于Logistic回归和Sigmoid函数的分类三、梯度上升算法四、基于最优化方法的最佳回归系数确定4.1查看数据的分布情况4.2训练算法：使用梯度上升找到最佳参数4.3分析数据：画出决策边界4.4训练算法：随机梯度上升4.5训练算法：改进随机梯度上升4.6回归系数与迭代次数的关系五、根据建立的气候模型来预测是否会崩溃5.1数据集5.2预测六、总结一、Logi
LiaoNanan·2022-12-07 00:46

机器学习实战——股票close预测

前言用股票历史的close预测未来的close。另一篇用深度学习搞得，见：深度学习实战——CNN+LSTM+Attention预测股票技术栈xgboostpython原理都是很简单的小玩意，试了下发现预测的还不错，先上效果图：有点惊讶，简单的仅仅用close的历史值就可以预测未来的值？本来想多用点特征，因为省事先用了一个特征来试试结果发现都能拟合，amazing…大概的原理：用tushare获取N
只会git clone的程序员·2022-12-07 00:15

机器学习实战：利用随机森林回归树来预测不同经纬度的无线电电磁波

学习笔记，仅供参考！介绍Scikit-learn（以前称为scikits.learn，也称为sklearn）是一款免费的机器学习库。它具有各种分类，回归和聚类算法，包括支持向量机，随机森林，梯度提升，k均值和DBSCAN，本文利用sklearn的RandomForestRegressor模型对无线电电磁波场强做数据预测。数据集给出如下图数据示例，这是一个在不同经纬度下的无线电场强数据，X，Y表示经
勋章DhR·2022-12-06 20:12

《机器学习实战》—K-means聚类

机器学习实战—K-means聚类K-means聚类算法原理及其相关概念聚类是一种无监督的学习，它将相似的对象归到同一簇中，类似全自动分类。簇内的对象越相似，聚类的效果越好。
leanzhi·2022-12-06 18:01

机器学习实战 3.1MNIST数据集 & 3.2训练二元分类器

3.1mnist下面是获取MNIST数据集的代码：fromsklearn.datasetsimportfetch_openml#从Scikit-Learn0.24开始，fetch_openml()默认返回PandasDataFrame。#为了避免这种情况并保持与书中相同的代码，我们使用as_frame=False。#下载失败可以多尝试几次，初次时间会稍微稍微久一点，我等了12min7s，再次使用会
weixin_45853381·2022-12-06 16:14

机器学习实战(1)：分类

机器学习实战（1）分类参考书籍：Hands-OnMachineLearningwithScikit-LearnandTensorFlow:Concepts,Tools,andTechniquestoBuildIntelligentSystems
AELee_·2022-12-06 15:39

☀️机器学习实战☀️基于 YOLO网络 的人脸识别 |（文末送机器学习书籍~）

粉丝福利送书：《机器学习入门：基于数学原理的Python实战》点赞收藏⭐留言即可参与抽奖送书本周五(9月10日)晚上20：00将会在【点赞区和评论区】抽一位粉丝送这本书~详情请看第六点的介绍嗷~✨目录一、项目进展1.1第一阶段1.2第二阶段1.3第三阶段1.4第四阶段二、项目难点三、解决思路3.1问题一3.1.1算法方面3.2问题二3.2.1数据集3.1.2YOLOv3ToYOLOv5四、网络介绍
小生凡一·2022-12-06 12:00

自然语言处理系列三十一》文本相似度算法》余弦相似度》Python代码实现

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三十一文本相似度算法余弦相似度
陈敬雷-充电了么-CEO兼CTO·2022-12-06 07:06

机器学习学习路线

pandas入门教程-2天学会pandas（1天）4.matplotlib基本用法：matplotlib学习之基本使用（1天）推荐公众号：“机器学习初学者”，“光城”，“和武博士一起学AI”实践：1.机器学习实战
ziqiiii·2022-12-06 06:29

模式识别和机器学习实战-降维算法（PCA）- Python实现 - 半导体数据进行降维处理和人脸检测

文章目录前言一、降维算法1.算法介绍2.主成分分析PCA3.在Numpy中实现PCA二、利用PCA对半导体制造数据降维三、实战四、代码1.主成分分析PCA2.对半导体数据进行降维处理3.人脸检测算法前言降维是指采用某种映射方法，将原高维空间中的数据点映射到低维度的空间中。通过降维可以减少冗余信息所造成的误差,提高识别的精度，或者通过降维算法来寻找数据内部的本质结构特征。先介绍和解释步骤，分段介绍；
能智工人_Leo·2022-12-06 01:44

模式识别和机器学习实战-K近邻算法（KNN）- Python实现 - 约会网站配对效果判断和手写数字识别

文章目录前言一、k-近邻算法（KNN）1.算法介绍2.举个例子——电影分类3.步骤描述4.来了——代码实现二、实战之约会网站配对效果判断1.导入数据2.分析数据3.数据归一化4.测试算法→使用错误率来检测性能5.构建完整的系统6.总结分析三、实战之手写数字识别1.准备数据2.使用算法识别手写数字3.改进升华主题前言K-近邻算法（k-NearestNeighboralgorithm），又称为KNN算
能智工人_Leo·2022-12-06 01:13

学习周报20200315 | 蜥蜴书我看完了

变形金刚学习周报20200210|多线程和线程池学习周报20200216|学习计划安排整理学习周报20200223|两本书学习周报20200301|两本书+论文荒经过几周时间，我优先把蜥蜴书看完了，就这本：《机器学习实战
机智的叉烧·2022-12-05 14:29

机器学习实战笔记（一）

1机器学习概览1.什么是机器学习机器学习是通过编程让计算机从数据中进行学习的科学(和艺术)。机器学习是让计算机具有学习的能力，无需进行明确编程。(亚瑟·萨缪尔，1959)计算机程序利用经验E学习任务T，性能是P，如果针对任务T的性能P随着经验E不断增长，则称为机器学习(汤姆·米切尔，1997)2.为什么要进行机器学习需要进行大量手工调整或者需要拥有长串规则才能解决的问题：机器学习算法通常可以简化代
威士忌燕麦拿铁·2022-12-05 11:28

Kaggle 机器学习实战 朴素贝叶斯（原理+西瓜数据集实战）

Kaggle机器学习实战朴素贝叶斯（原理+西瓜数据集实战）朴素贝叶斯概念（这一部分来自于国科大网安学院的PPT以及周志华的机器学习，需要的可在文章末尾加公号AC粥回复2022秋机器学习（其中第二章就是贝叶斯学习
AC粥·2022-12-05 10:53

Python实现Stacking回归模型(随机森林回归、极端随机树回归、AdaBoost回归、GBDT回归、决策树回归)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·2022-12-05 09:37

Python实现基于物品的协同过滤推荐算法构建电影推荐系统

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·2022-12-05 09:37

Python实现基于用户的协同过滤推荐算法构建电影推荐系统

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·2022-12-05 09:28

Python实现基于内容的协同过滤推荐算法构建电影推荐系统

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·2022-12-05 09:28

【Android机器学习实战】2、用 TensorFlowLite 做目标检测

文章目录一、添加TFLite库二、用TFLite对图片做目标检测TensorFlowLite是一个跨平台机器学习库，针对在边缘设备（包括Android和iOS移动设备）上运行机器学习模型进行了优化。其包含如下2个组件：ModelMaker是一个Python库，只需几行代码即可让您轻松地使用自己的数据训练TensorFlowLite模型，而无需具备机器学习专业知识。Task库是一个跨平台库，通过在您
呆呆的猫·2022-12-05 07:19

机器学习实战（基于Scikit-Learn和TensorFlow）（Ⅰ）

机器学习实战（基于Scikit-Learn和TensorFlow）（Ⅰ）本文参考书籍：《机器学习实战（基于Scikit-Learn和TensorFlow）》目录机器学习实战（基于Scikit-Learn
小灵宝·2022-12-05 07:23

Python《机器学习实战》读书笔记（二）——k-近邻算法

转载请注明转载作者和来处：http://blog.csdn.net/waiting_gy/article/details/78586204[目录]第二章K-近邻算法2-1k-近邻算法概述2-1-1准备使用Python导入数据2-1-2从文本文件中解析数据2-1-3如何测试分类器2-2示例使用k-近邻算法改进约会网站的配对效果2-2-1准备数据从文本文件中解析数据2-2-2分析数据使用Matplot
waiting-gy·2022-12-04 14:53
上一页 16 17 18 19 20 21 22 23 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他