啃书-机器学习实战

《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

机器学习实战学习手册——k-NN篇

机器学习实战学习手册——k-NN篇k近邻法(k-nearestneighbor/k-NN)1.算法背景2.二维分类模型2.1过程示例2.1.1数据比较2.1.2数据选取及标签提取3.n维分类模型3.1项目示例
Hogwarts扫地老太太·2022-11-26 18:20

Python实现LDA和KNN人脸识别模型(LinearDiscriminantAnalysis和KNeighborsClassifier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。1.项目背景人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。
胖哥真不错·2022-11-26 15:35

Python实现BP神经网络ANN单隐层回归模型项目实战

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。1.项目背景20世纪80年代中期，DavidRunelhart。
胖哥真不错·2022-11-26 15:35

Python实现BP神经网络ANN单隐层分类模型项目实战

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·2022-11-26 15:55

k-近邻算法进行分类

最近学习机器学习，教材主要是周志华老师的《机器学习》和PeterHarrington的《机器学习实战》，周老师的书比较偏向于算法的讲解和推导，理论性很强，而《机器学习实战》更偏向机器学习算法的实际使用，
有理叔·2022-11-26 15:51

机器学习实战 - k-近邻法

仅仅作为自己的学习笔记。学习内容原址：https://blog.csdn.net/c406495762/article/details/75172850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
渴鱼y·2022-11-26 15:19

全新升级|必读经典书，独家打造《深度学习》花书视频课训练营！9周吃透“圣经”教材！...

【翻到文末免费学习《机器学习实战》，还能让你看尽CV和NLP完整技术路径以及前沿+经典论文篇目，助你构建深度学习知识框架】在AI领域内，关于深度学习的课程资料有很多很多，而《深度学习DeepLearning
机器学习算法那些事·2022-11-26 14:54

真的！最难啃的《深度学习》圣经花书，居然新出版了视频课！

【翻到文末免费学习《机器学习实战》，还能让你看尽CV和NLP完整技术路径以及前沿+经典论文篇目，助你构建深度学习知识框架】在AI领域内，关于深度学习的课程资料有很多很多，而《深度学习DeepLearning
PaperWeekly·2022-11-26 14:54

机器学习实战——4.6 示例：使用朴素贝叶斯过滤垃圾邮件

目录1.准备数据：切分文本2测试算法：使用朴素贝叶斯进行交叉验证1.准备数据：切分文本"对于一个文本字符串，可以使用Python的string.split()函数将其切分"mysent='ThisbookisthebestbookonPythonorM.L.Ihaveeverlaideyesupon.'print(mysent.split())输出结果："使用正则表示式来切分式子，其中分隔符是除单
GH0602·2022-11-26 01:55

机器学习建模流程

机器学习实战机器学习三把斧1.数据清洗1.1缺失值的处理某一列的特征缺失值达到40%左右，删除这个特征值；或者某一个样本的缺失值过大，那么删除这个样本。
开始King·2022-11-25 21:24

whylogs工具库的工业实践！机器学习模型流程与效果监控 ⛵

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·2022-11-25 20:15

决策树 ID3算法的python实现

决策树ID3算法的python实现代码：根据《机器学习实战》中的代码写的，关键在于理清决策树ID3算法的计算思路，理解清楚了代码并不是太难写，对于我来说还是难了点啊哈哈哈importnumpyasnpimportcsvimportoperatordefloadDataSet
sakurasakura1996·2022-11-25 17:40

Pandas入门笔记

笔记参照课程唐宇迪python数据分析与机器学习实战笔记方便自己今后回顾和查看，需要详细了解各自Pandas操作，建议学习上述课程Pandas数据结构pandas是基于numpy的数据处理库。
Sehr_Gut·2022-11-25 17:32

头歌机器学习实战day1

机器学习基础关键术语机器学习是利用数据，从数据中归纳出规律，并用来对新事物进行预测。所以，机器学习首先要有数据，假设我们收集了一份关于西瓜的数据：现实世界的任何事物其实都可以通过属性或着特征来进行描述，上图给出的就是通过三个属性来描述西瓜的一组数据。属性的数目我们称之为维数，本例中表示西瓜用了三个特征，因此就是三维。下面的图表示样本空间（samplespace）或者属性空间（attributesp
鼠鼠射手·2022-11-25 14:04

《机器学习实战》9.树回归

目录树回归1复杂数据的局部性建模2连续和离散型特征的树的构建3将CART算法用于回归3.1构建树3.2运行代码4树剪枝4.1预剪枝4.2后剪枝5模型树6示例：树回归与标准回归的比较7使用python的Tkinter库创建GUI7.1用Tkinter创建GUI7.2集成Matplotlib和tkinter8本章小结本章涉及相关代码和数据树回归本章内容：①CART算法②回归与模型树③树剪枝算法④Pyt
豆豆豆豆芽·2022-11-25 08:23

训练一个机器学习模型的基本步骤

本小白的学习机器学习实战这本书时，按照书中的步骤总结了一下简单训练一个机器学习的基本步骤。
飞鸟284·2022-11-24 19:08

Python机器学习实战：维数约简之主成分分析（PCA）详解

机器学习实战：这里没有艰深晦涩的数学理论，我们将用简单的案例和大量的示例代码，向大家介绍机器学习的核心概念。我们的目标是教会大家用Python构建机器学习模型，解决现实世界的难题。
数据工程与机器学习·2022-11-24 18:39

机器学习实战（十一）——使用Apriori算法进行关联分析

机器学习实战（十一）——使用Apriori算法进行关联分析一、关联分析关联分析是在一个大规模的数据集中寻找有趣关系的任务。而这些“有趣关系”可以有两种形式来表达：频繁项集或者关联规则。
FavoriteStar·2022-11-24 16:16

机器学习实战——2.3 示例：手写识别系统

目录1.准备数据：将图像转换为测试向量2.测试算法：使用K-近邻算法识别手写数字1.准备数据：将图像转换为测试向量为了使用之前编辑好的classify0（）分类器，我们必须将图像格式化处理为一个向量。（32*32的二进制图像矩阵转换为1*1024的向量）importnumpyasnp"准备数据：将图像转换为测试向量"defimg2vector(filename):returnvect=np.zer
GH0602·2022-11-24 16:15

机器学习实战读书笔记：第二章 线性回归及延伸

机器学习实战读书笔记第二章线性回归及延伸疫情留在宿舍无聊，看书时突然发现自己以前学的知识点在需要回顾时，都得把书再扫一遍，或者去各个文件夹里面找资料。
大鱼吃小鱼ぁ·2022-11-24 14:03

【机器学习实战】KNN算法 python代码实现

[机器学习实战]KNN算法PythonP31页代码fromnumpyimport*importoperatordefcreateDataSet():group=array([[1.0,1.1],[1.0,1.0
小胡的博客号Aoife艺馨·2022-11-24 13:33

《机器学习》周志华 第6章支持向量机。笔记+习题

《机器学习实战》参考link.理解这章要做什么**SVM性质：训练完成后，大部分训练样本不需要保留，最终模型仅与支持向量有关。这是这章重点解决的问题。之后在本文末尾再详细概括。
汪呀呀呀呀呀呀呀·2022-11-24 12:52

决策树及其python应用（1）

决策树及其python应用（1）决策树1.决策树2.决策树的构造2.1信息增益2.1.1熵和经验熵2.1.2条件熵和信息增益决策树笔记参考呆呆的猫机器学习实战（三）——决策树1.决策树  决策树（decisiontree
Messiah___·2022-11-24 09:32

【机器学习实战】利用sklearn基于KNN（K近邻）实现鸢尾花种类预测

1.KNN算法1.1定义如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。1.2距离公式两个样本的距离可以通过如下公式计算，又叫欧式距离还有曼哈顿距离、明科夫斯基距离（欧氏距离、曼哈顿距离都是明科夫斯基距离的一种特殊情况）1.3K值的影响K值过大，受样本不均衡的影响；K值过小，容易受异常点的影响；2.sklearn中KNN的APIsk
想做一只快乐的修狗·2022-11-24 08:32

《机器学习实战》学习笔记第五章-逻辑回归

目录逻辑回归算法sigmoid函数梯度上升法基础代码回归梯度上升优化算法画出决策线随机梯度上升算法从疝气病症预测病马死亡率准备数据测试算法逻辑回归算法用直线拟合的过程称为回归。根据现有数据对分类边界线建立回归公式，以此进行分类的过程即逻辑回归过程。优点：计算代价不高，易于理解和实现。缺点：容易欠拟合，分类精度可能不高。适用数据类型：数值型和标称型一般过程：1.收集数据2.准备数据：需要距离计算，因
isla77·2022-11-24 05:02
上一页 18 19 20 21 22 23 24 25 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他