啃书-机器学习实战

我的创作纪念日-五周年

目录机缘日常憧憬机缘第一次在CSDN创作是因为刚开始接触ML，由于第一次配置环境，也为了方便自己后续查看，便写了自己首篇博文：机器学习实战之环境配置_静静喜欢大白的博客-CSDN博客_机器学习实战环境后面便开启了我的
静静喜欢大白·2022-11-24 04:09

机器学习实战-KNN算法-20

机器学习实战-KNN算法-鸢尾花分类#导入算法包以及数据集fromsklearnimportneighborsfromsklearnimportdatasetsfromsklearn.model_selectionimporttrain_test_splitfromsklearn.metricsimportclassification_reportimportrandom
gemoumou·2022-11-24 02:49

机器学习实战-波士顿房价及能源效能数据的相关分析的线性回归模型

数据集简介 该数据集包含美国人口普查局收集的美国马萨诸塞州波士顿住房价格的有关信息,数据集很小，只有506个案例。CRIM–城镇人均犯罪率ZN-占地面积超过25,000平方英尺的住宅用地比例INDUS-每个城镇非零售业务的比例CHAS-CharlesRiver虚拟变量（如果是河道，则为1;否则为0）NOX-一氧化氮浓度（每千万份）RM-每间住宅的平均房间数AGE-1940年以前建造的自住单位比例D
叶小小qaq·2022-11-24 00:51

【机器学习实战】线性回归

目录：一、介绍1.线性回归的类型2.假设条件二、用Python构建一个回归器步骤三、用Python实现简单线性回归1.模拟数据及绘图2.简单线性回归过程3.使用scikit-learn中的线性回归四、用Python实现多元线性回归1.加载Boston住房数据集数据2.数据集分为训练集和测试集3.计算出系数与截距4.绘制散点图五、应用领域一、介绍线性回归可以定义为统计模型，用于分析因变量与给定的一组
AI阿聪·2022-11-24 00:20

机器学习实战笔记(Python实现)-02-决策树

决策树原理简单来说就是：1，先计算所有列概率，及概率log值，据此求出整体的信息熵A；2，取出数据集中的每一列，计算剩余特征值的信息熵ai,并计算差值，也就是信息熵增益：bi=A-ai,除去自己这列，算的信息熵越小，信息增益越大，表示自己这列越重要；3,选出最重要的列，作为主要特征，作为根节点，依次比较，直到创建分类树；4，拿测试集来测试，从根节点开始检测，最后分类；决策树须知概念信息熵&信息增益
lengyuyan007·2022-11-23 20:37

机器学习实战 ----- 泰坦尼克号生存预测

数据集下载链接：https://pan.baidu.com/s/1f6x0ZHlAdwch52rHKDYBgA提取码：9hgz数据集简介PassengerId:乘客IDSurvived:是否生存，0代表遇难，1代表还活着Pclass:船舱等级：1Upper，2Middle，3LowerName:姓名Sex:性别Age:年龄SibSp:兄弟姐妹及配偶个数Parch:父母或子女个数Ticket:乘客的
呆若木鸡～呆·2022-11-23 19:11

# 机器学习实战#（一）——KNN算法

一、KNN算法KNN算法也叫k-近邻算法，简单的说就是运用k算法采用测量不同特征值之间的距离的方法对日常生活中出现的人或物进行分类。它的算法核心思想就是：近朱者赤，近墨者黑。举个例子：如图1.1所示假设坐标图中有3种颜色的图案，其中有一个白色的图案，要判断它应该属于哪种颜色，取决于它的坐标位置，经过计算它离红色图案的坐标位置更近，所以它最后属于红色类型。图1.1二、K算法的一般流程(1)收集数据：
Gucciwei·2022-11-23 18:31

【机器学习实战】朴素贝叶斯(连续型/离散型)

朴素贝叶斯一、连续型1.计算高斯概率密度CalcuGaussProb(x,mean,stdev)2.获取各类别中各特征的均值、方差和标签集getMeanStdLabel(self,train_data)3.计算连续型数据所属类的概率CalcuClassProbCon(arr,cx_mean,cx_std)4.获取单个样本的预测类别predict(arr,cmean,cstd,label_array
htshinichi·2022-11-23 16:10

机器学习实战（二）：决策树

天风的人工智能小站我的CSDN账号：**Tian-Feng的博客_CSDN博客-机器学习领域博主我的github账号：zhangwei668-Overview我的知乎账号：天风本章内容本书内容大都来自，《机器学习实战
Tian-Feng·2022-11-23 12:41

机器学习实战（二）：决策树（sklearn）

我的个人网站：天风的人工智能小站我的CSDN账号：**Tian-Feng的博客_CSDN博客-机器学习领域博主我的github账号：zhangwei668-Overview我的知乎账号：天风一、Sklearn之使用决策树预测隐形眼睛类型1、实战背景本节我们将通过一个例子讲解决策树如何预测患者需要佩戴的隐形眼镜类型。使用小数据集，我们就可以利用决策树学到很多知识：眼科医生是如何判断患者需要佩戴的镜片
Tian-Feng·2022-11-23 12:41

【机器学习实战（三）：朴素贝叶斯（sklearn）】

我的个人网站：天风的人工智能小站我的CSDN账号：**Tian-Feng的博客_CSDN博客-机器学习领域博主我的github账号：zhangwei668-Overview我的知乎账号：天风一、朴素贝叶斯之新浪新闻分类(Sklearn)1、语句切分英文的语句可以通过非字母和非数字进行切分，但是汉语句子呢？就比如我打的这一堆字，该如何进行切分呢？我们自己写个规则？幸运地是，这部分的工作不需要我们自己
Tian-Feng·2022-11-23 12:41

用Python做一个房价预测小工具

今天给大家介绍一个非常适合新手入门的机器学习实战案例。这是一个房价预测的案例，来源于Kaggle网站，是很多算法初学者的第一道竞赛题目。
程序员小八·2022-11-23 12:34

用Python做一个房价预测小工具！

今天给大家介绍一个非常适合新手入门的机器学习实战案例。这是一个房价预测的案例，来源于Kaggle网站，是很多算法初学者的第一道竞赛题目。
菜鸟学Python·2022-11-23 11:30

机器学习实战第1章知识点

机器学习的工程化概念：一个计算机程序利用经验E来学习任务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，则称为机器学习它会根据在自己算法的训练基础上建立自己的逻辑比如说：有一种分类算法，分类算法可以用来将垃圾分类，不用修改代码，他也可以识别出是可回收垃圾还是有害垃圾，如果用这同样的一类算法，他可以通过训练集来不断提高自己的分类正确率，减少失误率。机器学习系统可分为以下四个主要类别：有监督学
兰花草999·2022-11-23 11:06

【A-017】 python数据分析与机器学习实战 支持向量机原理（一） SVM Support Vector Machine

支持向量机SVM非常经典的二分类问题面试中必问。支持向量机SVM2012年前很火，2012年之后被神经网络冲击到,SVM核心思路是通过构造分割面将数据进行分割。引入：SupportVectorMachine要解决的问题：什么样的决策边界才是最好的呢？寻求最好决策边界特征数据本身如果就很难分，怎么办呢？引入SVM核函数计算复杂度怎么样？能实际应用吗？基于上述问题对SVM进行推导SupportVect
skyHdd·2022-11-23 10:14

机器学习实战（一）——机器学习主要任务

1.1何谓机器学习把无序的数据转换为有用的信息1.2机器学习重要性机器学习的重要性不言而喻，它可以帮助我们解决生活当中的很多问题，比如预测鸟的种类，有时我们不可能在发现一种我们不知道的鸟的种类时，去请教鸟类的专家，这个时候，如果我们根据目前已有的关于鸟种类特征的数据，我们就可以训练得到相关预测鸟类别的模型，当满足精度要求后，我们就可以通过输入相关的特征，从而预测出鸟的类别。因为，我们只是想获取鸟类
xiao52x·2022-11-23 06:28

机器学习实战（八）

title:机器学习实战（八）date:2020-04-2009:20:50tags:[线性回归,岭回归,最小二乘法]categories:机器学习实战更多内容请关注我的博客预测数值型数据：回归分类的目标变量是标称型数据
voidmort·2022-11-23 06:55

《机器学习实战》学习笔记（八）

文章目录第八章预测数值型数据：回归引言线性回归优缺点回归的一般方法：8.1用线性回归找到最佳拟合直线最佳估计回归系数表示给出数据的最佳拟合直线判断拟合曲线的拟合效果8.2局部加权线性回归8.3示例：预测鲍鱼的年龄8.4缩减系数来“理解”数据岭回归前向逐步回归8.5权衡偏差与方差8.6示例：预测乐高玩具套装的价格8.7本章小结第八章预测数值型数据：回归引言分类的目标变量是标称型数据。回归与分类的不同
书生丶丶·2022-11-23 06:48

机器学习实战

全书使用python作为工具语言，进行相关程序的开发，包括数据分析，数据绘图等。第一部分介绍的是机器学习基础，带领读者了解一些关键术语、机器学习的主要任务、如何选择合适的算法解决问题，还有如何开发机器学习应用程序。第二部分主要讲的是K-近邻算法。包括如何使用K-近邻算法改进约会网站的配对效果和使用k-近邻算法进行手写数字的识别。第三部分主要介绍的是决策树。带领读者了解决策树的构造，并指导读者使用决
深度学习视觉·2022-11-23 06:15

机器学习实战——分类

3.1MNIST数据集本章使用MNIST数据集（一组美国高中生和人口调查局员工有些的70000个数字的图片）。获取该数据集的代码如下：fromsklearn.datasetsimportfetch_openmlmnist=fetch_openml('mnist_784',version=1)print(mnist.keys())X,y=mnist["data"],mnist["target"]pr
哈喽喔德·2022-11-23 06:42

机器学习实战（1）——概览

目录1机器学习的定义2有关概念3机器学习的种类4机器学习的主要挑战1机器学习的定义笼统定义：机器学习研究如何让计算机不需要明确的程序也能具备学习能力。——ArthurSamuel，1959偏工程化定义：一个计算机程序在完成任务T之后，获得经验E，其表现效果为P，如果任务T的性能表现，也就是用以衡量的P，随着E的增加，可以称其为学习。——TomMitchell，19972有关概念系统用来学习的示例，
WHJ226·2022-11-23 06:12

机器学习实战练手项目

前导更多文章代码详情可查看博主个人网站：https://www.iwtmbtly.com/下文用到的数据集和代码可以从这里下载《数据集》机器学习是一种从数据生成规则、发现模型，来帮助我们预测、判断、分析和解决问题的技术。一个机器学习项目从开始到结束大致分为5步，分别是定义问题、收集数据和预处理、选择算法和确定模型、训练拟合模型、评估并优化模型性能。这5步是一个循环迭代的过程，可以参考下面的图片：所
HiSpring流云·2022-11-23 06:09

2022机器学习实战课内容笔记 - Lesson 5 分类模型决策边界与模型评估指标

1.准确率局限indexlabelsA-predictsB-predictspredicts_results110.80.61200.60.91300.20.40410.90.71510.90.61  如果是从准确率指标来看，两个模型在阈值为0.5的情况下，判别准确率都是80%（仅判错第二条样本），二者并无高下之分。但如果我们更加仔细的观察模型对各样本输出的概率欧安别结果，其实我们会发现模型A其实
大米2H·2022-11-23 02:55

【白话机器学习】算法理论+实战之PCA降维

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
文文学霸·2022-11-22 21:56

《机器学习实战》笔记——第四章：基于概率论的分类方法：朴素贝叶斯

1说明该书主要以原理简介+项目实战为主，本人学习的主要目的是为了结合李航老师的《统计学习方法》以及周志华老师的西瓜书的理论进行学习，从而走上机器学习的“不归路”。因此，该笔记主要详细进行代码解析，从而透析在进行一项机器学习任务时候的思路，同时也积累自己的coding能力。正文由如下几部分组成：1、实例代码（详细注释）2、知识要点（函数说明）3、调试及结果展示2正文（1）基于贝叶斯决策理论的分类方法
圣西罗风之子·2022-11-22 15:53

关联规则之Aprior算法(购物篮分析)

0.支持度与置信度《mahout实战》与《机器学习实战》一起该买的记录数占所有商品记录总数的比例——支持度(整体)买了《mahout实战》与《机器学习实战》一起该买的记录数占所有购买《mahout实战》
weixin_33725270·2022-11-22 09:27

开发者分享｜『啃书吧：深度学习与MindSpore实践』第一章

在MindSpore21天实战营结业答辩上，我夸下海口要做一个读《深度学习和MndSpore实践》的项目。立的Flag自己要吃下去，今天便推出第一篇。望着满纸的长长的数学公式、不明觉厉的专业术语，大段大段的代码，我一个小白真是头大如斗。那为什么还要炸着胆子跳到这么深的大坑里呢？主要有两个原因：1、坚定自己坚持下去决心。心中感念被人监督，行动上会克服惰性和恐惧。2、独学而无友，则孤陋而寡闻。知识到底
昇思MindSpore·2022-11-22 06:56

机器学习实战 knn代码_具有四行代码的简单knn分类器，适用于初学者机器学习...

机器学习实战knn代码TheKNNclassifierisaverypopularandwellknownsupervisedmachinelearningtechnique.ThisarticlewillexplainKNNclassifierwithanexampleKNN
weixin_26750481·2022-11-22 05:20

机器学习实战之朴素贝叶斯（三）示例：过滤垃圾邮件（含数据集）

朴素贝叶斯（三）示例：过滤垃圾邮件流程导入收集数据：提供文本文件准备数据：切分文本使用split()切分使用正则表达式切分数据集介绍训练算法：使用我们之前建立的trainNB0()函数测试算法：进行交叉验证转载请注明作者和出处：https://blog.csdn.net/weixin_45814668微信公众号：qiongjian0427知乎：https://www.zhihu.com/peopl
琼简·2022-11-22 03:20

机器学习实战2-聚类算法分析亚洲足球梯队

大家好，我是微学AI，今天给大家带来机器学习实战案例，分析亚洲足球梯队。2022年卡塔尔世界杯将在本月进行，不到半个月就开幕了，本届世界杯通过预选赛已选出32支球队。
微学AI·2022-11-22 03:48

人工智能实战项目(python)+多领域实战练手项目

目录一、机器学习实战项目1.机器学习实战1-四种算法对比对客户
微学AI·2022-11-22 03:18

【机器学习实战】朴素贝叶斯应用之垃圾邮件过滤

1.什么是朴素贝叶斯2.贝叶斯公式3.朴素贝叶斯常用的三个模型4.朴素贝叶斯实现垃圾邮件过滤的步骤5.垃圾邮件过滤实验：（一）、准备收集好的数据集，并下载到本地文件夹（二）、朴素贝叶斯分类器训练函数（三）、朴素贝叶斯分类器训分类函数（四）、测试朴素贝叶斯分类器，使用朴素贝叶斯进行交叉验证（五）、测试结果截图6.总结1.什么是朴素贝叶斯  NaïveBayes算法，又叫朴素贝叶斯算法。  朴素：特征
打代码能当饭吃？·2022-11-22 03:43

机器学习实战（代码部分）-- 朴素贝叶斯之垃圾邮件过滤（Ⅰ 准备数据：切分文本）

使用朴素贝叶斯进行垃圾邮件过滤的算法思想：(1)收集数据：提供文本文件。(2)准备数据：将文本文件解析成词条向量。(3)分析数据：检查词条确保解析的正确性。(4)训练算法：使用我们之前建立的trainNB0()函数。(5)测试算法：使用classifyNB()，并且构建一个新的测试函数来计算文档集的错误率。(6)使用算法：构建一个完整的程序对一组文档进行分类，将错分的文档输出到屏幕上。准备数据：切
m0_38056893·2022-11-22 03:40

机器学习实战(二)——python实现决策树

1.决策树介绍决策树是一种基本的分类和递归方法，决策树由节点和有向边组成内部节点表示一个特征或者属性叶子节点表示一种分类有向边表示选择某种特征之后对数据集进行划分2.决策树学习决策树的生成包括三个步骤:特征选择、决策树生成、决策树剪枝2.1生成算法将所有数据放在根节点选择一个最优的特征，根据这个特征将训练数据分割成子集，使得各个子集在当前条件下有一个最好的分类递归下去，直到所有数据子集都被基本正确
dream or nightmare·2022-11-21 19:13

k近邻算法-java实现

最近在看《机器学习实战》这本书，因为自己本身很想深入的了解机器学习算法，加之想学python，就在朋友的推荐之下选择了这本书进行学习。
andaren6337·2022-11-21 17:02

机器学习实战——Kmeans聚类算法

机器学习实战——Kmeans聚类算法1聚类算法介绍1.1K-均值聚类1.2聚类效果的评价2sklearn中的实现1聚类算法介绍在无监督学习中，训练样本的标记是未知的，目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律
wxw_csdn·2022-11-21 16:39

机器学习实战 学习记录 （10-12章)

参考：机器学习实战PeterHarrington十、利用k-均值聚类算法对未标注的数据分组聚类是一种无监督学习，它将相似的对象归到同一个簇中。簇内对象越相似，聚类的效果越好。
我的宠物不是小马·2022-11-21 16:38

机器学习实战——k—均值聚类算法

fromnumpyimport*importmatplotlibimportnumpyasnpimportmatplotlib.pyplotasplt#读数据，list类型defloadDataSet(filename):dataMat=[]fr=open(filename)forlineinfr.readlines():curLine=line.strip().split('\t')fltLin
孤鸿1111·2022-11-21 16:02

机器学习实战——PCA降维

文章目录1降维技术2PCA2.1移动坐标轴2.2在NumPy中实现PCA3示例：利用PCA对半导体制造数据降维4总结Dimensionalityreductiontechniques降维降维是对数据高维度特征的一种预处理方法。降维是将高维度的数据保留下最重要的一些特征，去除噪声和不重要的特征，从而实现提升数据处理速度的目的降维在一定的信息损失范围内，可以为我们节省大量的时间和成本。降维也成为了应用
SKYWALKERS_2397·2022-11-21 16:56

Python 机器学习实战 —— 监督学习（下）

前言近年来AI人工智能成为社会发展趋势，在IT行业引起一波热潮，有关机器学习、深度学习、神经网络等文章多不胜数。从智能家居、自动驾驶、无人机、智能机器人到人造卫星、安防军备，无论是国家级军事设备还是广泛的民用设施，都充斥着AI应用的身影。接下来的一系列文章将会由浅入深从不同角度分别介绍机器学习、深度学习之间的关系与区别，通过一系统的常用案例讲述它们的应用场景。在上一篇文章中已经讲述了机械学习的相关
chinaherolts2008·2022-11-21 16:22

机器学习实战——训练模型

本章从线性回模型开始介绍两种不同的训练模型的方法：通过“闭式”方程，直接计算出最拟合训练集的模型参数（也就是使训练集上的成本函数最小化的模型参数）使用迭代优化的方法，即梯度下降，逐渐调整模型参数直至训练集上的成本函数调至最低，最终趋同于第一张放啊计算出来的模型参数。然后讨论多项式回归，参数比线性模式更多，更容易造成对训练数据过拟合，将通过学习曲线分辨这种情况的发生。最后学习两种经常用于分类任务的模
哈喽喔德·2022-11-21 16:21

机器学习实战——端到端的机器学习项目

驱动任务：根据加州住房价格的数据集建立加州的房价模型数据集下载地址：https://pan.baidu.com/s/1it08eJ7a1ZGTTc7mHBZVzw?pwd=9n132.2设计系统典型的有监督学习任务，已经给出了标记的训练示例（每个实例都有预期的产出，也就是该区域的房价中位数）。并且也是一个典型的回归任务，因为哟啊对某个值进行预测。选择性能指标回归问题的典型性能指标是均方根误差RMS
哈喽喔德·2022-11-21 16:21

机器学习实战——机器学习概览

机器学习的应用示例分析生产线上的产品图像来对产品进行自动分类图像分类问题，使用卷积神经网络CNN通过脑部扫描发现肿瘤语义分割，图像中的每个像素都需要被分类，也是用CNN自动分类新闻、恶意评论标记、长文总结自然语言处理（NLP），更具体的是文本分类，可以使用循环神经网络（RNN）、CNN或者Transformer基于很多性能指标预测来年收入回归问题，需要回归模型进行处理，例如线性回归或多项式回归、S
哈喽喔德·2022-11-21 16:51

机器学习实战——K均值

文章目录1K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5总结6补充Supervisedlearning：目标变量实现存在输入X，预测/分类变量YUnsupervisedlearning：目标变量实现不存在从数据X中能发现什么？聚类与分类：分类的目标实现已经知道，聚类的类别没有预先定义，聚类有时也叫做“无监督分类”Clustering聚类是一种无监督的学习,
SKYWALKERS_2397·2022-11-21 16:42

机器学习——03决策树

之前整理的决策树的知识机器学习实战（三）——决策树决策树的比较以及剪枝机器学习-03决策树上节介绍的k-近邻算法可以完成很多分类任务，但是其最大的缺点是无法给出数据的内在含义，决策树的优势在于数据形式非常容易理解
平行世界里的我·2022-11-21 11:00

机器学习系列文章-决策树

机器学习实战教程（二）：决策树基础篇之让我们从相亲说起(cuijiahua.com)决策树原理决策树是一种基本的分类与回归方法。决策树可以这样理解为：由决策树的根结
「已注销」·2022-11-21 08:23

疯狂的机器学习实战-银行营销预测

机器学习实战-银行营销预测问题：数据集：链接：https://pan.baidu.com/s/1TUOLr8jFbT38p_iUh1iBsQ提取码：1234银行营销数据集这些数据与葡萄牙银行机构的直接营销活动有关
看不见的罗辑·2022-11-21 03:22

机器学习实战：Bank Marketing银行对客户订阅理财产品的预测

文章目录概要一、分析训练集整体情况二、特征工程1.创造特征2.筛选特征三、数据处理四、模型预测概要该数据与一家葡萄牙银行机构的直接营销活动（电话）有关。分类目标是预测客户是否会订阅定期存款（变量y）。数据集介绍：营销活动基于电话。通常，需要与同一客户联系不止一位，才能了解产品（银行定期存款）是否会被（“是”）订阅（“否”），训练集特征如下：Age(numeric)Job:typeofjob(cat
敞清·2022-11-21 03:20

Python基于季节性自回归移动平均模型(SARIMA模型)进行时间序列分析建模项目实战

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SARIMA是季节性自回归移动平均模型。
胖哥真不错·2022-11-21 02:08

《机器学习实战 学习笔记》（一）：机器学习介绍

文章目录第1章机器学习介绍 1什么是机器学习 2为什么要使用机器学习 3机器学习的种类    3.1监督式/无监督式学习       3.1.1常用有监督学习算法       3.1.2常用无监督式学习算法       3.1.3半监督式学习算法    3.2批量学习和在线学习    3.3基于实例和基于模型的学习       小例子：使用sklearn训练并运行一个线性模型 4机器学习的主要挑战
闹闹的BaBa·2022-11-21 01:05
上一页 19 20 21 22 23 24 25 26 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他