机器学习及实践

python清华大学出版社答案_Python机器学习及实践

第1章机器学习的基础知识1.1何谓机器学习1.1.1传感器和海量数据1.1.2机器学习的重要性1.1.3机器学习的表现1.1.4机器学习的主要任务1.1.5选择合适的算法1.1.6机器学习程序的步骤1.2综合分类1.3推荐系统和深度学习1.3.1推荐系统1.3.2深度学习1.4何为Python1.4.1使用Python软件的由来1.4.2为什么使用Python1.4.3Python设计定位1.4.
weixin_39805119·2024-03-29 03:04

浅谈AI机器学习及实践总结（浅显易懂，特别好）

机器学习基础什么是机器学习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、分组和解决问题的技术。(机器学习是一种从数据中生产函数，而不是程序员直接编写函数的技术)说起函数就涉及到自变量和因变量，在机器学习中，把自变量叫做特征（feature）多个自变量分别可以定义为X1，X2..Xn，因变量叫做标签（label），可定义为Y，而一批特征和标签的集合，就是机器学习的数据集。机器学习的学
梅逊雪·2023-10-16 04:11

Python机器学习及实践_从零开始通往KAGGLE竞赛之路PDF高清完整版免费下载|百度云盘|Python基础教程免费电子书

点击获取提取码：i5nwimage.pngPython机器学习及实践面向所有对机器学习与数据挖掘的实践及竞赛感兴趣的读者，从零开始，以Python编程语言为基础，在不涉及大量数学模型与复杂编程知识的前提下
胡萝卜须_aee2·2023-07-25 18:36

Python 机器学习及实践 Coded One :使用经典的分类模型和回归模型对数据进行训练 预测 评估 PS 欢迎指点指明错误！！！！...

^(*￣(oo)￣)^：1.有部分代码我进行了数据归一化操作（也叫数据标准化）在评估的时候使用的inverse_transform函数把数据还原2.code的代码是按书中的顺序先进行了数据抽样（split）然后进行了归一化操作（StandardScaler）先进行数据抽样会是数据的比例发生改变再进行归一化操作这样是不当的正常情况应该先进行归一化操作然后再进行数据抽样PartOne经典分类模型（做选
azvvar6169·2023-03-08 21:12

《Python机器学习及实践：从零开始通往Kaggle竞赛之路》第2章 基础篇 学习笔记（十三）2.2.2.1主成分分析总结

目录2.2.2.1主成分分析0、引言1、模型介绍2、数据描述3、编程实践4、性能测评5、特点分析2.2.2.1主成分分析0、引言特征降维是无监督学习的另一个应用，目的有二：其一，在实际项目中遭遇特征维度非常高的训练样本，而往往又无法借助自己的领域知识人工构建有效特征；其二，在数据表现方面，无法用肉眼观测超过三个维度的特征。因此，特征降维不仅重构了有效的低维度特征向量，同时也为数据展现提供了可能。在
wyatt007·2023-02-05 15:09

调用sklearn库分类学习

在《python机器学习及实践》一书的学习中，小豆桑发现似乎一些学习算法由于要调用库，会有类似的过程，于是记录下来，以便时间长后的查阅。
jessie_gg·2023-01-21 15:20

[python机器学习及实践(2)]Sklearn实现朴素贝叶斯

1.朴素贝叶斯简介朴素贝叶斯（NaiveBayes）是一个基于贝叶斯理论的分类器。它会单独考量每一唯独特征被分类的条件概率，进而综合这些概率并对其所在的特征向量做出分类预测。因此，朴素贝叶斯的基本数据假设是：各个维度上的特征被分类的条件概率之间是相互独立的。它经常被应用在文本分类中，包括互联网新闻的分类，垃圾邮件的筛选。2.例子：新闻分类数据：18846条新闻，标签为0-19个数字，一共20类。某
weixin_33762321·2023-01-14 07:13

python竞赛之路_机器学习入门之《Python机器学习及实践：从零开始通往Kaggle竞赛之路》...

本文主要向大家介绍了机器学习入门之《Python机器学习及实践：从零开始通往Kaggle竞赛之路》，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。
weixin_39958631·2023-01-13 13:23

python竞赛之路_Python机器学习及实践：从零开始通往Kaggle竞赛之路 PDF高清完整版...

Python机器学习及实践：从零开始通往Kaggle竞赛之路PDF高清完整版作者:范淼/李超出版社:清华大学出版社副标题:从零开始通往Kaggle竞赛之路出版年:2016-10-1定价:49元装帧:平装
weixin_39900468·2023-01-13 13:22

Python机器学习及实践+从零开始通往Kaggle竞赛之路

内容简介本书面向所有对机器学习与数据挖掘的实践及竞赛感兴趣的读者，从零开始，以Python编程语言为基础，在不涉及大量数学模型与复杂编程知识的前提下，逐步带领读者熟悉并且掌握当下最流行的机器学习、数据挖掘与自然语言处理工具，如Scikitlearn、NLTK、Pandas、gensim、XGBoost、GoogleTensorflow等。全书共分4章。第1章简介篇，介绍机器学习概念与Python
喜欢安静的程序猿·2023-01-13 13:52

一日一书：机器学习及实践——从零开始通往kaggle竞赛之路

过去近二十年,计算机科学的发展是被大量的数据推动的。海量数据提供了认识世界的新视角，同时也带来了分析和理解数据的巨大挑战。如何从数据中获得知识,并利用这些知识帮助设计和创造更满足用户需求的产品，希望将来自新的人工智能算法。大数据的核心思想体现在整个工业流程中从决策到执行数据的重要性，其重要性的发挥依赖于现代计算方法一一机器学习。机器学习可以利用数据做很多决策,这些在统计意义上都是好的决策,比如要不
代码输入中...·2023-01-13 13:18

Python机器学习及实践----从零开始通往Kaggle竞赛之路

使用线性分类模型从事良/恶性乳腺癌预测任务importnumpyasnpimportpandasaspdfromsklearn.model_selectionimporttrain_test_splitfromsklearn.preprocessingimportStandardScalerfromsklearn.linear_modelimportLogisticRegressionfromsk
数据科学与商务智能·2023-01-13 13:42

《机器学习及实践-----从零开始通往kaggle竞赛之路》学习笔记

机器学习→监督学习+无监督学习监督学习→分类+回归（连续）无监督学习→降维+聚类分类→二分类+多类分类+多标签分类（判断一个样本是否同时属于多个不同类别）分类:逻辑斯特回归：fromsklearn.linear_modelimportLogisticRegression随机梯度参数估计：fromsklearn.linear_modelimportSGDClassifier支持向量机：fromskl
浅笑古今·2022-12-10 21:35

《Python机器学习及实践：从零开始通往Kaggle竞赛之路》第3章 进阶篇 学习笔记（四）3.1.2.2L1范数正则化、3.1.2.3L2范数正则化总结

目录3.1.2.2L1范数正则化1、L1范数正则化2、编程实践3、总结3.1.2.3L2范数正则化1、L2范数正则化2、编程实践3、总结3.1.2.2L1范数正则化1、L1范数正则化正则化的目的在于提高模型在未知测试数据上的泛化力，避免参数过拟合。由上一节的“比萨饼价格预测”的例子可以看出，2次多项式回归是相对较好的模型假设。之所以出现如4次多项式那样的过拟合情景，是由于4次方项对于的系数过大，或
wyatt007·2022-11-20 10:05

python决策树sklearn_[python机器学习及实践(4)]Sklearn实现决策树并用Graphviz可视化决策树...

1.决策树决策树是一种机器学习的方法。决策树的生成算法有ID3,C4.5和C5.0等。决策树是一种树形结构，其中每个内部节点表示一个属性上的判断，每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类结果。通过学习样本得到一个决策树，这个决策树能够对新的数据给出正确的分类。决策树的学习过程1）特征选择：从训练数据的特征中选择一个特征作为当前节点的分裂标准（特征选择的标准不同产生了不同的特征决策
weixin_39551996·2022-11-13 14:07

Python机器学习及实践（一、分类学习——线性分类器）

Python机器学习及实践（一、分类学习——线性分类器）线性分类器通过特征的线性组合来做出分类决定，以达到此种目的。对象的特征通常被描述为特征值，而在向量中则描述为特征向量。
\ (•◡•) /Carry_You·2022-08-30 10:19

python机器学习及实践_Python机器学习及实践 知识总结

机器学习中的监督学习的任务重点在于，根据已有的经验知识对未知样本的目标/标记进行预测。根据目标预测变量的类型不同，我们把监督学习的任务大体分为分类学习与回归预测两类。监督学习任务的基本架构流程：1首先准备训练数据可以是文本图像音频等；2然后抽取所需要的特征，形成特征向量；3接着，把这些特征向量连同对应的标记/目标一并送入学习算法中，训练出一个预测模型；4然后，采用同样的特征方法作用于新的测试数据，
weixin_39575937·2022-07-05 07:04

Python机器学习及实践 知识总结

机器学习中的监督学习的任务重点在于，根据已有的经验知识对未知样本的目标/标记进行预测。根据目标预测变量的类型不同，我们把监督学习的任务大体分为分类学习与回归预测两类。监督学习任务的基本架构流程：1首先准备训练数据可以是文本图像音频等；2然后抽取所需要的特征，形成特征向量；3接着，把这些特征向量连同对应的标记/目标一并送入学习算法中，训练出一个预测模型；4然后，采用同样的特征方法作用于新的测试数据，
朱小丰的丰·2022-07-05 07:01

《Python机器学习及实践——从零开始通往Kaggle竞赛之路》学习笔记（1）——简介篇

机器学习的结构经验特征训练集任务监督学习无监督学习分类回归数据降维聚类性能测试集准确性Python编程库Python是一门解释性编程语言，与JAVA类似，源代码都需要通过一个解释器Interpreter转换为独特的字节码。这个过程不需要保证全部代码一次性通过编译，解释器逐行处理这些代码。NumPy：提供高级数学运算、高效的向量和矩阵运算功能。SciPy：在NumPy基础上构建的更强大、应用领域更广
厨师长爱炼丹·2022-06-22 07:54

PYTHON机器学习及实践－从零开始通往KAGGLE竞赛之路

PYTHON机器学习及实践－从零开始通往KAGGLE竞赛之路下载地址https://pan.baidu.com/s/1F0tGaU-kjMbBboXOA5tZkA扫码下面二维码关注公众号回复100088
yusongcao7·2022-05-05 07:35

python机器学习及实践_机器学习入门之《Python机器学习及实践：从零开始通往Kaggle竞赛之路》...

本文主要向大家介绍了机器学习入门之《Python机器学习及实践：从零开始通往Kaggle竞赛之路》，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。
weixin_39976382·2022-05-05 07:25

《Python机器学习及实践---- 从零开始通往Kaggle竞赛之路》课后代码整理与总结

《Python机器学习及实践----从零开始通往Kaggle竞赛之路》课后代码整理与总结这里写目录标题《Python机器学习及实践----从零开始通往Kaggle竞赛之路》课后代码整理与总结逐条运行--
小宇Q3Q·2022-05-05 07:19

Python 机器学习及实践从零开始通往 Kaggle竞赛之路（持续更新 ing）

文章目录第一章简介篇1.1机器学习综述1.2Python编程库介绍1.3Python编程基础第二章基础篇2.1监督学习经典模型2.1.1分类学习2.1.2回归预测2.1.3监督学习的基本框架和流程2.2无监督学习经典模型第一章简介篇1.1机器学习综述机器学习任务种类有很多，侧重学习监督学习与无监督学习监督学习：关注对未知事物表现的预测。一般包括分类问题和回归问题分类问题：对所在的类别进行预测，类别
Famiglistimo_·2022-05-05 07:44

《python机器学习及实践-从零开始通往kaggle竞赛之路》——代码整理

代码目录2.1监督学习经典模型2.1.1分类学习2.1.1.1线性分类器2.1.1.2支持向量机2.1.1.3朴素贝叶斯2.1.1.4K近邻2.1.1.5&2.1.1.6决策树&集成模型3.1模型实用技巧3.1.1特征提升3.1.1.1特征抽取3.1.2模型正则化3.1.2.1欠拟合和过拟合3.1.2.2L1范数正则化&3.1.2.3L2范数正则化2.1监督学习经典模型2.1.1分类学习2.1.1
猴子姑娘呀·2022-04-15 07:27

《Python机器学习及实践》----监督学习经典模型

本片博客是根据《Python机器学习及实践》一书中的实例，所有代码均在本地编译通过。数据为从该书指定的百度网盘上下载的，或者是sklearn自带数据下载到本地使用的。
wangshuang1631·2022-04-15 07:14

利用sklearn进行分类：良/恶性乳腺癌肿瘤预测（一）

本文为《Python机器学习及实践：从零通往Kaggle竞赛之路》一书学习笔记，欢迎与我交流数据挖掘、机器学习相关话题。
_龙雀·2022-02-22 06:56

Python: sklearn库中数据预处理函数fit_transform()和transform()的区别

敲《Python机器学习及实践》上的code的时候，对于数据预处理中涉及到的fit_transform()函数和transform()函数之间的区别很模糊，查阅了很多资料，这里整理一下：涉及到这两个函数的代码如下
kingzone_2008·2022-02-15 11:00

利用sklearn进行分类2：良/恶性乳腺癌肿瘤预测（二）

本文为《Python机器学习及实践：从零通往Kaggle竞赛之路》一书学习笔记，欢迎与我交流数据挖掘、机器学习相关话题。
_龙雀·2021-05-20 20:14

利用sklearn进行分类3：初级手写数字识别

本文为《Python机器学习及实践：从零通往Kaggle竞赛之路》一书学习笔记，欢迎与我交流数据挖掘、机器学习相关话题。
_龙雀·2021-05-02 16:47

《PYTHON机器学习及实践－从零开始通往KAGGLE竞赛之路》 分享下载

书籍信息书名:PYTHON机器学习及实践－从零开始通往KAGGLE竞赛之路标签:PYTHON机器学习及实践－从零开始通往KAGGLE竞赛之路,免费,程序员书籍,编程,pdf,电子书下载地址https:/
开始以后_·2020-12-15 01:10

python机器学习及实践学习笔记1-如何打开ipynb后缀文件

需要安装ipythonnotebook，如果你已经安装Anaconda软件，则不需要安装。如果未安装Anaconda，则需要安装，在控制台里输入：pipinstallipythonpipinstall“ipython[notebook]”进入ipynb文件所在目录，输入ipythonnotebook，会在浏览器中打开ipynb文件。ipythonnotebook在下一个版本被命名为JupyterN
hustzhoutian·2020-09-14 09:02

三、Sklearn机器学习基础实例之---无监督学习（聚类，降维）

书籍《Python机器学习及实践》阅读笔记一、k-means聚类（1）随机选择K个点作为初始聚类中心（2）从K个聚类中心中选取最近的一个，并把该数据标记为从属于这个聚类中心（3）在所有数据被标记过聚类中心后
雨纷飞s·2020-09-11 03:42

二、Sklearn机器学习基础实例之---回归预测问题

书籍《Python机器学习及实践》阅读笔记回归预测问题代预测的目标是连续变量，如：价格、降水量等图片来自：https://scikit-learn.org/stable/tutorial/machine_learning_map
雨纷飞s·2020-08-22 03:52

[python机器学习及实践(4)]Sklearn实现决策树并用Graphviz可视化决策树

1.决策树决策树是一种机器学习的方法。决策树的生成算法有ID3,C4.5和C5.0等。决策树是一种树形结构，其中每个内部节点表示一个属性上的判断，每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类结果。通过学习样本得到一个决策树，这个决策树能够对新的数据给出正确的分类。决策树的学习过程1）特征选择：从训练数据的特征中选择一个特征作为当前节点的分裂标准（特征选择的标准不同产生了不同的特征决策
weixin_34279246·2020-08-21 11:17

《python机器学习及实践-从零开始通往kaggle竞赛之路》——学习笔记

竞赛的）.对新手极度友好，这本书涉及核心知识点不多，2,3天过一遍，稍微看看，能达到对机器学习有个大概的宏观了解我在每小节后面整合了一些总结的比较好的博文，对知识点的深入拓展书籍配套代码：《python机器学习及实践
猴子姑娘呀·2020-08-13 23:55

Python: sklearn库中数据预处理函数fit_transform()和transform()的区别

原帖：https://blog.csdn.net/quiet_girl/article/details/72517053敲《Python机器学习及实践》上的code的时候，对于数据预处理中涉及到的fit_transform
wangdi_37927·2020-08-13 20:54

机器学习及实践 2.1.1.1 线性分类器

线性分类器sklearn中线性分类器LogisticRegression和SGDclassifier对肿瘤进行、良/恶分类。p35-p43代码13：数据预处理：1.读取csv数据（1.创建特征向量表。2.pandas.read_csv读取数据（网络或本地））2.缺失数据处理（丢弃）#代码13：良/恶性乳腺癌肿瘤数据预处理importpandasaspdimportnumpyasnp#创建特征列表c
早起的鸟儿有虫吃h·2020-08-13 20:19

用sklearn进行线性分类

这里通过LogisticRegression分类器和随机梯度分类器对一些肿瘤数据进行分类，分出是良性还是恶性代码来自《python机器学习及实践》#pandas用于处理数据importpandasaspdimportnumpyasnp
pkuout·2020-08-13 16:38

Python机器学习及实践——基础篇9（SVM回归）

小贴士：核函数是一项非常有用的特征映射技巧，同时在数学描述上也略为复杂。因此这里不做过度引申。简单一些理解，便是通过某种函数计算，将原有的特征映射到更高维度的空间，从而尽可能达到新的高维度特征线性可分的程度，如下图所示。结合支持向量机的特点，这种高维度线性可分的数据特征恰好可以发挥其模型优势。大家应该对基础篇3中的支持向量机（分类）中提到的分类模型的作用机理有所了解。本篇介绍的支持向量机（回归）也
Lenskit·2020-08-13 13:51

[python机器学习及实践(6)]Sklearn实现主成分分析（PCA）

1.PCA原理主成分分析（PrincipalComponentAnalysis，PCA），是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。PCA算法：2.PCA的实现数据集：64维的手写数字图像代码：#coding=utf-8importnumpyasnpimportpandasaspdfromsklearn.decompositioni
weixin_33815613·2020-08-13 11:10

《Python 机器学习及实践--从零开始通往kaggle竞赛之路》--第一章代码

#-*-coding:utf-8-*-#spyder+python3.6.1importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltfromsklearn.linear_modelimportLogisticRegressionplt.rcParams['font.sans-serif']=['SimHei']#指定默认字体plt.rc
wanglei5205·2020-08-11 23:11

资料整理（备用）

个人网页文章目录前言Python《利用Python进行数据分析·第2版》《Python机器学习及实践从零开始通往Kaggle竞赛之路》机器学习/深度学习《机器学习》周志华《统计学习方法》李航《深度学习》
橘子2048·2020-08-07 18:18

机器学习之分类学习

主要内容来源于范淼和李超编著的《Python机器学习及实践》所有的数据集都可以从sklearn.datasets中获得在评估时，一般使用F1指标，即使用了调和平均数，除了具备平均功能，还会对那些召回率和精血率更加接近的模型给予更高的分数
PancrasBohemian·2020-08-07 11:59

机器学习(十)-逻辑回归实践篇之乳腺癌肿瘤预测

逻辑回归实践篇之乳腺癌肿瘤预测1项目描述2项目分析2.1数据预处理2.2数据可视化2.3拟合模型(非训练型)2.4拟合模型(样本训练)2.4完整源代码3参考博客注:本篇博客为《Python机器学习及实践
gf_lvah·2020-08-03 00:04

Python机器学习及实践从零开始通往Kaggle竞赛之路之第二章 第五个程序使用决策树预测泰坦尼克号生还人数

前言：本节主要测试决策树(DecisionTreeClassifier)预测泰坦尼克号生还人数，训练时选择属性为年龄、性别和Pclass，预测的标签选择是否生还。决策树最要适用于数据集可能存在非线性关系情况下，例如按照年龄预测泰坦尼克号生还人数的话，显然年龄过小或者过大都会影响生成率较低，但是中年人生还的可能性相对较高，所以就属性对于生成概率而言其可能存在非线性关系，所以这种情况下可以尝试使用决策
YYLin-AI·2020-07-29 23:18

使用Titanic 数据集，通过特征筛选的方法一步步提升决策树的预测性能

运行python机器学习及实践代码59会出错，本人经过调试对其进行改进，主要原因是因为python的版本不同，我的是python3源代码：importpandasaspdtitanic=pd.read_csv
llx1026·2020-07-28 02:32

《Python机器学习及实践》----模型实用技巧

本片博客是根据《Python机器学习及实践》一书中的实例，所有代码均在本地编译通过。数据为从该书指定的百度网盘上下载的，或者是sklearn自带数据下载到本地使用的。
wangshuang1631·2020-07-10 05:37

《Python机器学习及实践》----无监督学习之数据聚类

本片博客是根据《Python机器学习及实践》一书中的实例，所有代码均在本地编译通过。数据为从该书指定的百度网盘上下载的，或者是sklearn自带数据下载到本地使用的。
wangshuang1631·2020-07-10 05:37

《Python机器学习及实践》----无监督学习之特征降维

本片博客是根据《Python机器学习及实践》一书中的实例，所有代码均在本地编译通过。数据为从该书指定的百度网盘上下载的，或者是sklearn自带数据下载到本地使用的。
wangshuang1631·2020-07-10 05:37

错误及解决办法：trackback (most recent call last) File “XXX文件路径” ，line 1, in import pandas as pd

最近学习《python机器学习及实践》（作者范淼、李超），编写运行其第四章的代码。
Lecol_leng·2020-07-02 05:14
上一页 1 2 3 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他