啃书-机器学习实战

[机器学习实战] 阅读第十一章

文章目录训练深度神经网络梯度消失/爆炸问题Xavier初始化和He初始化公式11-1：Xavier初始化（当使用逻辑激活函数时）非饱和激活函数示例公式11-2：ELU激活函数批量归一化公式11-3：批量归一化算法用TensorFlow来实现批量归一化梯度剪裁重用预训练图层重用TensorFlow模型重用其他框架的模型冻结底层缓存冻结层调整、丢弃或替换高层模型动物园无监督的预训练辅助任务中的预训练快
枪枪枪·2022-11-21 01:22

Python实现KNN(K近邻)回归模型(KNeighborsRegressor算法)并应用网格搜索算法寻找最优参数值项目实战

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·2022-11-20 20:28

Python实现KNN(K近邻)分类模型(KNeighborsClassifier算法)并应用网格搜索算法寻找最优参数值以及数据标准化均衡化项目实战

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·2022-11-20 20:58

Python实现DE差分进化算法优化支持向量机回归模型(SVR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·2022-11-20 20:57

Python实现直方图梯度提升分类模型(HistGradientBoostingClassifier算法)并基于网格搜索进行优化同时绘制PDP依赖图项目实战

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.项目背景基于直方图的梯度提升分类树。此估算器对缺失值(NaN)具有原生支持。
胖哥真不错·2022-11-20 19:37

【python和机器学习入门2】决策树2——决策树构建

参考博客：决策树实战篇之为自己配个隐形眼镜（po主Jack-Cui,《——大部分内容转载自参考书籍：《机器学习实战》——第三章目录一构建决策树1.1决策树构建原理1.2决策树结构1.3决策树构建关键代码
momottyy·2022-11-20 16:56

基于sklearn的机器学习实战

本文目录如下：LinearRegression线性回归入门数据生成定义模型模型测试与比较多项式回归具体实现LogisticRegression算法思想简述算法实现DecisionTreeMLPSVM线性SVM多项式核高斯核对比不同核在Mnist上的效果读取数据高斯核多项式核线性核NBayesbagging与随机森林AdaBoostk-means算法KNNPCAHMMvisualizetion_re
FavoriteStar·2022-11-20 16:48

机器学习实战——决策树

目录一.什么是决策树1.1决策树的生成1.2如何选择最优划分属性方法二：信息增益率方法三：基尼指数1.2.1划分数据集1.2.2选择最好的数据集划分方式二.创建树2.2使用决策树的分类函数2.3存储决策树一.什么是决策树决策树，就是一个类似于流程图的树形结构，树内部的每一个节点代表的是对一个特征的测试，树的分支代表该特征的每一个测试结果，而树的每一个叶子节点代表一个类别。树的最高层是就是根节点。如
SUGA没有R·2022-11-20 14:55

《机器学习实战》学习——决策树算法代码

小游戏：参与游戏的一方在脑海里想某个事物，其他参与者向他提问题，只允许提20个问题，问题的答案也只能用对或错回答。问问题的人通过推断分解，逐步缩小待猜测事物的范围。决策树的工作原理与此类似，用户输入一系列数据，然后给出游戏的答案。决策树流行的一个很重要的原因是不需要了解机器学习的知识，就能搞明白决策树是如何工作的。理解决策树的实例：决策树的伪代码：frommathimportlogimportop
Qbbsm·2022-11-20 14:45

Peter 机器学习实战学习笔记（1）

shape的简单理解一、shape可以获取数组或矩阵的大小信息（矩阵的行数，列数，数组每一维的元素个数）在矩阵中shape[0]可以获取行数，shape[1]可以获取列数二、numpy中的tilenp.tile()本着函数取名必有所依的原理，博主百度了一下tile的英文意思，发现tile有平铺的意思。1.沿X轴复制在numpy中，np.tile（a,(2)）函数的作用就是将函数将函数沿着X轴扩大两
Liker79·2022-11-20 11:35

【机器学习实战三：Logistic回归之点的二分类和预测病马的死亡率】

一、部分说明----------------------------------------------------------------1、本文代码是《机器学习实战》这本书的例程。
hefei_cyp·2022-11-20 10:52

机器学习实战第二版---第四节：支持向量机SVM

SVM前言--使用SVM一般套路线性SVM非线性SVMSVM回归前言–使用SVM一般套路svm是在机器神经网络没有火之前，永远嘀神，对于svm的使用只要按照以下手法：#使用svm一般套路：先线性核函数-》如果训练集不大试一试RBF-》还可以使用交叉验证和网格搜索尝试其他核函数‘’’有这么多的核函数，该如何决定使用哪一个呢？有一个经验法则是，永远先从线性核函数开始尝试（要记住，LinearSVC比S
菜椒爱菜鸟·2022-11-20 09:25

边境的悍匪—机器学习实战：第十二章 使用TensorFlow自定义模型和训练

第十二章使用TensorFlow自定义模型和训练文章目录第十二章使用TensorFlow自定义模型和训练前言一、思维导图二、主要内容1、TensorFlow快速浏览2、像NumPy一样使用TensorFlow3、定制模型和训练算法4、TensorFlow函数和图三、课后练习四、总结前言我们在训练或者是构建一个神经网络的时候，在一些特殊情况出现时，我们可能会需要自定义一个神经网络的组件，例如：损失函
来自边境的悍匪·2022-11-20 07:40

机器学习实战之 随机森林、逻辑回归、SVM算法方法进行垃圾邮件过滤分类 代码+数据

任务描述：我们日常学习以及工作中会收到非常多的邮件，除了与学习工作相关的邮件，还会收到许多垃圾邮件，包括广告邮件、欺诈邮件等等。本任务通过邮件中包含的文本内容来判断该邮件是正常邮件（ham）还是垃圾邮件（spam），来实现自动化垃圾邮件过滤，是一种典型的文本分类任务。如邮件“Hadyourmobile11monthsormore?URentitledtoUpdatetothelatestcolou
数学是算法的灵魂·2022-11-20 03:29

机器学习实战（一）：K近邻算法（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：天风一丶k-近邻算法实战之sklearn手写数字识别1、实战背景对于需要识别的数字已经使用图形处理软件，处理成具有相同的色彩和大小：宽高是32像素x32像素。尽管采用本文格式存储图像不能有效地利用内存空间，但是为了
Tian-Feng·2022-11-19 19:32

机器学习/深度学习入门建议

机器学习实战参考书籍：《统计学习方法》李航吴恩达机器学习笔记部分截图：第四阶段：深度学习1.吴恩达深度学习简介：这应该是最好的入门教程了神经
程序猿-饭饭·2022-11-19 19:16

python调用数据集mnist_使用MNIST数据集进行分类

本文是对书《机器学习实战：基于Scikit-Learn和Tensorflow》第三章的知识学习以及代码复现，欢迎大家一起学习一起进步。
逝落之心·2022-11-19 16:08

Python 机器学习实战 —— 监督学习（上）

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。本文将会从最常见的机器学习开始介绍相关
chinaherolts2008·2022-11-19 15:22

K-近邻算法实战

前言：在彻底摸透《机器学习实战》课程中海伦约会网站配对案例之后，本次博客我将通过对案例的理解，运用k-近邻算法自己写一个关于鉴别一个学生是否是集美大学学生的程序目录一、算法样本数据集二、k-近邻算法实现三
只会print就要多学·2022-11-19 15:50

用Python3 深入理解《机器学习实战》中k-近邻算法中海伦约会网站配对的案例

前言：机器学习算法的第一次实验，用k-近邻算法来设计一个有关于集美大学的程序，对于刚了解机器学习以及接触python不深的我来说，只能先将教科书上的例子吃透在继续深入课本源代码使用的是python2版本，照书本写代码后发现在自己的VisualStudioCode上报了一些错误，在上网查阅资料后发现，python3是不向下兼容python2的，虽然其中很多组件和扩展都是python2的，但部分代码还
只会print就要多学·2022-11-19 15:19

Python 机器学习实战 —— 监督学习（下）

在上一篇文章《Python机器学习实战
风尘浪子·2022-11-19 15:18

机器学习决策树

基于《机器学习实战》理解并尝试决策树的实现。
只会print就要多学·2022-11-19 15:14

机器学习实战——python实现DBSCAN密度聚类

基础概念ε-邻域：对于样本集中的xj,它的ε-邻域为样本集中与它距离小于ε的样本所构成的集合。核心对象：若xj的ε-邻域中至少包含MinPts个样本，则xj为一个核心对象。密度直达：若xj位于xi的ε-邻域中，且xi为核心对象，则xj由xi密度直达。密度可达：若样本序列p1,p2,……,pn。pi+1由pi密度直达，则p1由pn密度可达。算法过程输入：样本集D={x1,x2,...,xm}邻域参数
chenge_j·2022-11-19 01:59

logistic回归梯度下降算法

在《机器学习实战》一书的第5章中讲到了Logistic用于二分类问题。书中只是给出梯度上升算法代码，但是并没有给出数学推导。故哪怕是简单的几行代码，依然难以理解。
gongxun1234·2022-11-18 16:12

机器学习实战学习笔记（七）预测数值型数据：回归

PS：该系列数据都可以在图灵社区（点击此链接）中随书下载中下载（如下）1用线性回归找到最佳拟合直线线性回归优点：结果易于理解，计算上不复杂。缺点：对非线性的数据拟合不好。适用数据类型：数值型和标称型数据。  假定输入数据存放在矩阵XXX中，而回归系数存放在向量www中。那么对于给定的数据X1X_1X1，预测结果将会通过Y1=X1TwY_1=X_1^TwY1=X1Tw给出。我们常用的方法极速找出使误
Hold_My_Own·2022-11-18 08:01

《机器学习实战》7.AdaBoost元算法提高分类性能

目录1基于数据集多重抽样的分类器1.1bagging：基于数据随机重抽样的分类器构建方法1.2boosting2训练算法：基于错误提升分类器的性能3基于单层决策树后见弱分类器4完整AdaBoost算法的实现5测试算法：基于AdaBoost的分类6示例：在一个数据集上应用AdaBoost7非均衡分类问题7.1其他分类性能度量指标：正确率、召回率及ROC曲线7.2基于代价函数的分类器决策控制7.3处理
豆豆豆豆芽·2022-11-18 08:31

【机器学习实战】第8章 预测数值型数据：回归

第8章预测数值型数据：回归回归（Regression）概述我们前边提到的分类的目标变量是标称型数据，而回归则是对连续型的数据做出处理，回归的目的是预测数值型数据的目标值。回归场景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。假如你想要预测兰博基尼跑车的功率大小，可能会这样计算:HorsePower=0.0015*annualSalary-0.99*hoursLis
片刻小哥哥·2022-11-18 08:30

机器学习实战--8.预测数值型数据：线性回归

8.1利用线性回归找到最佳拟合曲线1.线性回归优缺点优点：结果易于理解，计算上不复杂缺点：对非线性数据拟合不好适用数据类型：数值型和标称型数据。目的：预测数值型的目标值2.回归方程、回归系数回归：求回归系数的过程就叫回归。比较模型效果：计算两个序列的相关系数–可以计算预测值序列和真实序列的匹配程度。8.2局部加权线性回归线性回归不足：可能出现欠拟合，因为求的是最小均方误差的无偏估计。解决：在估计中
wuli玉shell·2022-11-18 08:30

机器学习实战-第八章-预测数值型数据：回归

标准回归函数和数据导入函数：importnumpyasnp#打开一个用tab键分割的文本文件defloadDataSet(fileName):numFeat=len(open(fileName).readline().split('\t'))-1dataMat=[];labelMat=[]fr=open(fileName)forlineinfr.readlines():lineArr=[]curL
qtayu·2022-11-18 08:30

机器学习实战-预测数值型数据：回归

1，用线性回归找到最佳拟合直线回归的目的是预测数值型的目标值。回归方程（regressionequation）主要是求回归系数，一旦有了回归系数，在给定输入，做预测就是用回归系数乘以输入值，在将结果全部加在一起，就得到了预测值。（因为回归系数是一个向量，输入也是向量，这些运算就是求出二者的内积）回归的一般方法：1）收集数据：采用任意方法收集数据2）准备数据：回归需要数值型数据，标称型数据将被转换为
txb_doyourbest·2022-11-18 08:59

机器学习实战 第八章 预测数值型数据：回归

第八章预测数值型数据：回归8.1用线性回归找到最佳拟合直线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8.4.1岭回归8.4.2lasso8.4.3前向逐步回归8.5权衡偏差和方差8.6小结    前面我们介绍了分类，分类的目标变量是标称型数据，本章将会对连接型的数据作出预测。8.1用线性回归找到最佳拟合直线线性回归的优缺点：优点：结果易于理解，计算上不复杂。缺点：
LuoY、·2022-11-18 08:28

《机器学习实战》——第8章 预测数值型数据：回归

8.1用线性回归找到最佳拟合直线线性回归优点：结果易于理解，计算不复杂。缺点：对非线性的数据拟合不好。适用数据类型：数值型和标称型数据。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。下面给出一个回归方程：其中的0.0015和-0.99称为回归系数，求回归系数的过程就是回归。一般的回归指的都是线性回归，所以本章回归和线性回归代表同一个意思。线性回归意味着可以将输入项
海鸥丸拉面·2022-11-18 08:57

机器学习实战第8章预测数值型数据：回归

1.简单的线性回归假定输入数据存放在矩阵X中，而回归系数存放在向量W中，则对于给定的数据X1，预测结果将会是这里的向量都默认为列向量现在的问题是手里有一些x和对应的y数据，怎样才能找到W呢？一个常用的方法是找到使误差最小的W，这里的误差是指预测y值与真实y值之间的差值，使用该误差的简单累加将使得正差值和负差值相互抵消，所以我们采用平方误差。平方误差可以写做：用矩阵表示可以写成使用上式对w进行求导：
dengzhang2630·2022-11-18 08:27

【机器学习实战】8、预测数值型数据：回归

文章目录8.1用线性回归找到最佳拟合直线8.1.1线性回归8.1.2数据可视化8.1.3求回归系数向量，并根据系数绘制回归曲线8.2局部加权线性回归（LWLR）8.3预测鲍鱼年龄8.4岭回归8.5前向逐步回归8.6预测乐高玩具套件的价格前面章节介绍了分类，分类的目标变量是标称型数据，而本章将会对连续性数据做出预测。8.1用线性回归找到最佳拟合直线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
呆呆的猫·2022-11-18 08:27

《机器学习实战中文版》 预测数值型数据：回归

预测数值型数据：回归1.概述线性回归对连续型数据进行预测优点：结果易于理解，计算上不复杂。缺点：对非线性的数据拟合不好。适用数据类型：数值型和标称型数据。2.实现用线性回归找到最佳拟合直线通过找平方误差的最小值可以得到回归系数的解，平方误差可写做：∑i=1m(yi−xiTw)2\sum_{i=1}^{m}\left(y_{i}-x_{i}^{\mathrm{T}}w\right)^{2}i=1∑m
香槟酒气满天飞·2022-11-18 08:27

《机器学习实战》8.1 预测数值型数据：回归

《机器学习实战》8.1预测数值型数据：回归搜索微信公众号:‘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/baidu
xiaoming3526·2022-11-18 08:56

《机器学习实战》8.预测数值型数据：回归

目录预测数值型数据：回归1利用线性回归找到最佳拟合直线2局部加权线性回归3示例：预测鲍鱼的年龄4缩减系数来“理解”数据4.1岭回归4.2lasso4.3前向逐步回归5权衡偏差与方差6示例：预测乐高玩具套装的价格6.1收集数据：使用google购物的API6.2训练算法：建立模型7本章结束本节涉及的相关代码和数据预测数值型数据：回归本章内容：①线性回归②局部加权线性回归③岭回归和逐步线性回归④预测鲍
豆豆豆豆芽·2022-11-18 08:56

《机器学习实战：基于Scikit--Learn、Keras和TensorFlow(第2版)》学习笔记——前言

机器学习实战：基于Scikit–Learn、Keras和TensorFlow(第2版)前言代码仓库：https://github.com/ageron/handson-ml2机器学习，其他入门书籍：JoelGrus
krchlry·2022-11-17 18:02

《机器学习实战：基于Scikit-Learn、Keras和TensorFlow（第2版）》学习笔记

文章目录书籍信息技术和工具Scikit-LearnTensorFlowKerasJupyternotebook资源书籍配套资料流行的开放数据存储库元门户站点(它们会列出开放的数据存储库)其他一些列出许多流行的开放数据存储库的页面其他机器学习项目清单主要有8个步骤框出问题并看整体获取数据研究数据准备数据列出有前途的模型微调系统演示你的解决方案启动机器学习概览什么是机器学习为什么使用机器学习机器学习的
影之李小白·2022-11-17 18:31

【阿旭机器学习实战】【13】决策树分类模型实战：泰坦尼克号生存预测

【阿旭机器学习实战】系列文章主要介绍机器学习的各种算法模型及其实战案例，欢迎点赞，关注共同学习交流。本文用机器学习中的决策树分类模型对泰坦尼克号生存项目进行预测。
阿_旭·2022-11-17 15:29

【阿旭机器学习实战】【14】决策树回归模型实战：对美国波士顿房价进行分析预测

【阿旭机器学习实战】系列文章主要介绍机器学习的各种算法模型及其实战案例，欢迎点赞，关注共同学习交流。本文用机器学习中的决策树回归模型对美国波士顿房价进行分析预测。
阿_旭·2022-11-17 15:29

【阿旭机器学习实战】【24】信用卡用户流失预测实战

【阿旭机器学习实战】系列文章主要介绍机器学习的各种算法模型及其实战案例，欢迎点赞，关注共同学习交流。
阿_旭·2022-11-17 15:29

【阿旭机器学习实战】【28】自己动手写一个单词拼写检查器---基于贝叶斯公式

【阿旭机器学习实战】系列文章主要介绍机器学习的各种算法模型及其实战案例，欢迎点赞，关注共同学习交流。本文主要介绍了拼写检查器的基本原理，并且通过贝叶斯公式自己动手写了一个单词拼写检查器。
阿_旭·2022-11-17 15:27

Python3《机器学习实战》学习笔记（九）：ANN人工神经网络基础详解

文章目录一、简介二、ANN算法细节详解2.1深度学习要解决的问题2.2深度学习应用领域2.3计算机视觉任务2.4视觉任务中遇到的问题2.4.1回顾K近邻算法2.4.2为啥不能用K近邻2.5得分函数2.6损失函数2.7前向传播流程2.8反向传播计算2.9神经网络整体架构2.10神经元个数对结果的影响2.11正则化和激活函数2.12过拟合解决一、简介人工神经网络（ArtificialNeuralNet
Charliefive·2022-11-17 09:28

Python3《机器学习实战》学习笔记（五）：Logistic回归基础篇之梯度上升算法

文章目录一、简介二、Logistic回归三、代码实战3.1加载数据3.2函数3.3梯度上升算法3.4绘制数据集3.5主函数四、总结一、简介通过Logistic回归和梯度上升两方法开始，首先从原理开始推论。二、Logistic回归链接:可以参照之前写过的文章（吴恩达机器学习课里面的）因为里面公式推导都是类似的，因此可以直接拿来用这个例子主要是主要用来模拟迭代的方式。就像爬坡一样，一点点的逼近极值''
Charliefive·2022-11-17 09:27

Python3《机器学习实战》学习笔记（十）：ANN人工神经网络代码详解（数字识别案例以及人脸识别案例）

文章目录一、构建基本代码结构1.1预处理数据的工具包1.2初始化参数1.3工具类sigmoid1.4工具类矩阵变换1.5初始化theta1.6正向传播1.7反向传播1.8梯度下降1.9训练模块二、MNIST数字识别三、人脸识别四、总结一、构建基本代码结构1.1预处理数据的工具包"""DatasetFeaturesRelatedUtils"""from.normalizeimportnormaliz
Charliefive·2022-11-17 09:51

啃书《机器学习》西瓜书 第1、2章模型评估与模型选择

文章目录第一章绪论1.归纳偏好与“奥卡姆剃刀”2.“没有免费的午餐”定理3.泛化能力第二章模型评估与选择1.经验误差与过拟合2.评估方法：2.1留出法：2.2交叉验证法：2.3留一法：2.4自助法：2.5调参与最终模型：3性能度量3.1错误率和精度3.2查准率与查全率3.3ROC与AUC3.4代价敏感错误率3.4偏差与方差第一章绪论1.归纳偏好与“奥卡姆剃刀”归纳偏好：机器学习算法在学习过程中对某
真是喵啊·2022-11-17 09:13

机器学习KNN（K近邻）算法python代码实现

以下代码来自《机器学习实战》一书代码由多个函数构成，每个函数封装一种功能。
指尖在键盘上舞动·2022-11-17 09:05

如何从小白成为一名合格的算法工程师

如何从小白成为一名合格的算法工程师写在开头能力要求编程能力计算机基础机器学习机器学习理论学习机器学习实战学习深度学习基础应用领域个人计划后续安排写在开头其实对于未来想要从事什么样的职业这个问题，我已经思考了比较长一段时间
Acwisher·2022-11-17 07:44

2022年Python顶级自动化特征工程框架⛵

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
·2022-11-16 23:24
上一页 20 21 22 23 24 25 26 27 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他