机器学习实战+西瓜书

(二十八)项目实战|交易数据异常检测(三)-python数据分析与机器学习实战(学习笔记)

文章原创,最近更新：2018-06-41.混淆矩阵课程来源:python数据分析与机器学习实战-唐宇迪课程资料:这里所涉及到的练习资料creditcard.csv相关的链接以及密码如下:链接:https
努力奋斗的durian·2023-10-12 02:21

Python机器学习实战-特征重要性分析方法（7）：主成分分析 PCA（附源码和实现效果）

实现功能对特征进行主成分分析，并查看每个主成分的解释方差比。在前几个组件上具有较高负载的特性更为重要。实现代码fromsklearn.decompositionimportPCAimportpandasaspdfromsklearn.datasetsimportload_breast_cancerimportmatplotlib.pyplotaspltX,y=load_breast_cancer(
数据杂坛·2023-10-10 12:52

Python机器学习实战-特征重要性分析方法（8）：方差分析ANOVA（附源码和实现效果）

实现功能使用f_classif()获得每个特征的方差分析f值。f值越高，表明特征与目标的相关性越强。实现代码fromsklearn.feature_selectionimportf_classifimportpandasaspdfromsklearn.datasetsimportload_breast_cancerimportmatplotlib.pyplotaspltX,y=load_breas
数据杂坛·2023-10-10 12:52

Python机器学习实战-特征重要性分析方法（9）：卡方检验（附源码和实现效果）

实现功能使用chi2()获得每个特征的卡方统计信息。得分越高的特征越有可能独立于目标。实现代码fromsklearn.feature_selectionimportchi2importpandasaspdfromsklearn.datasetsimportload_breast_cancerimportmatplotlib.pyplotaspltX,y=load_breast_cancer(ret
数据杂坛·2023-10-10 12:07

svd降维 python案例_机器学习实战基础（二十一）：sklearn中的降维算法PCA和SVD（二） PCA与SVD 之 降维究竟是怎样实现...

简述在降维过程中，我们会减少特征的数量，这意味着删除数据，数据量变少则表示模型可以获取的信息会变少，模型的表现可能会因此受影响。同时，在高维数据中，必然有一些特征是不带有有效的信息的(比如噪音)，或者有一些特征带有的信息和其他一些特征是重复的(比如一些特征可能会线性相关)。我们希望能够找出一种办法来帮助我们衡量特征上所带的信息量，让我们在降维的过程中，能够即减少特征的数量，又保留大部分有效信息——
weixin_39683598·2023-10-08 19:59

深度之眼-机器学习总结

为期三个月的西瓜书机器学习训练营结束，昨天听完了毕业典礼。
任嘉平生愿·2023-10-08 16:49

决策树-西瓜书

决策树生成是一个递归过程，递归返回的条件是：1.当前节点包含的样本属于同一类别，无需划分2.当前属性集为空，或所有样本在所有属性上取值相同3.当前节点包含的样本集合为空划分选择：信息墒、信息增益、（增益越大表示使用属性划分所获得的“纯度提升”越大）、增益率、基尼系数
Leslie__l·2023-10-08 09:10

【常见决策树算法逻辑理解以及代码实现（3）】ID3 (代码实现,包含绘图,西瓜书示例)

importmathimportmatplotlib.pyplotaspltD=[['青绿','蜷缩','浊响','清晰','凹陷','硬滑','是'],['乌黑','蜷缩','沉闷','清晰','凹陷','硬滑','是'],['乌黑','蜷缩','浊响','清晰','凹陷','硬滑','是'],['青绿','蜷缩','沉闷','清晰','凹陷','硬滑','是'],['浅白','蜷缩','浊响'
TomcatLikeYou·2023-10-07 16:10

【常见决策树算法逻辑理解以及代码实现（5）】CART (代码实现,包含绘图,西瓜书示例)

使用的面向对象方式编写,主要类是Cart类,直接传入数据和属性集合,然后draw就可以运行结果如下(每次运行属性值顺序可能会不同,由于hash问题,不用管,结果是一样的)全部代码可下载项目https://gitee.com/TomCoCo/mLearn.git这里是代码,有完整的注释,可以直接运行如上图核心方法createTreeimportmathimportmatplotlib.pyplota
TomcatLikeYou·2023-10-07 16:10

机器学习实战-之KNN篇

之前读《机器学习实战》，对很多算法从原理上进行编写，对学习算法有很大帮助，但效率很低。用pandas和sklearn可以很快的实现算法，效率更高。
笨笨的简书·2023-10-06 04:19

《机器学习实战》学习记录-ch2

PS:个人笔记，建议不看原书资料：https://github.com/ageron/handson-ml22.1数据获取importpandasaspddata=pd.read_csv(r"C:\Users\cyan\Desktop\AI\ML\handson-ml2\datasets\housing\housing.csv")data.head()data.info()RangeIndex:2
Cyan青·2023-10-04 22:23

【社区图书馆】【图书活动第四期】

目录一、前言二、作者简介三、《PyTorch高级机器学习实战》内容简介四、书目录一、前言今天，偶尔逛到csdn社区图书馆，看到有活动“【图书活动第四期】来一起写书评领实体奖牌+红包+电子勋章吧！”
逆境清醒·2023-10-04 21:44

「Python」机器学习之线性判别分析（代码，不调包）

机器学习之线性判别分析（代码，不调包）前言1线性判别分析（LDA）2实现2.1LDA实现2.2数据集示例3最后前言语言：python库：numpy,matplotlib教材参考：《机器学习》——周志华2016版（“西瓜书
武的阶乘·2023-10-02 17:39

纯干货-手把手优化神经网络—MNIST数字识别进阶

这一章我们把前两章介绍的优化方法应用在我们的训练模型V1上（参考机器学习实战—MNIST手写体数字识别），看看如何使用简单的单隐藏层全连接神经网络提高准确率。话不多说直接开干。
RunningSucks·2023-10-01 10:07

西瓜书

1.模型评估与选择1.1ROC与AUCROC的横轴为真正例率TPR，纵轴为假正例率FPR定义为：，ROC曲线的画法为：给定个正例和个反例。根据学习器的预测结果对样例进行排序（即每个样本为正例的概率），然后把分类阈值调最大，即把所有样例均预测为反例，画出(0,0)点。之后依次按照每个样本的概率从大到小调整阈值，分别计算TPR和FPR，作出整个ROC曲线如下图。可以看出，AUC的取值范围为[0.5,1
恰似一碗咸鱼粥·2023-10-01 05:53

机器学习实战（基于Sklearn和tensorflow）第三章 分类 学习笔记

机器学习实战书籍第三章例子学习笔记书中源码，here本文地址，here要分为Mnist数据处理、交叉验证、混淆矩阵、精度、多分类问题等。
hirolin·2023-09-29 16:56

西瓜书扩展_支持向量机_间隔与支持向量

二分类问题这里我们考虑的是一个两类的分类问题，数据点用来表示，这是一个维向量，而类别用来表示，可以取或者，分别代表两个不同的类：划分超平面方程一个线性分类器就是要在维的数据空间中找到一个分离超平面，其方程可以表示为：其中为法向量（控制超平面的旋转方向），为截距（控制超平面离原点的位置）我们令，在进行分类的时候，我们将数据点代入中，如果得到的结果，则赋予其类别，如果则赋予类别：几何间隔取任一样本点到
我_7·2023-09-29 12:48

Python机器学习实战-特征重要性分析方法（4）：相关性分析（附源码和实现效果）

实现功能计算各特征与目标变量之间的相关性。相关性越高的特征越重要。实现代码importpandasaspdfromsklearn.datasetsimportload_breast_cancerimportmatplotlib.pyplotaspltX,y=load_breast_cancer(return_X_y=True)df=pd.DataFrame(X,columns=range(30))
数据杂坛·2023-09-28 03:01

Python机器学习实战-特征重要性分析方法（5）：递归特征消除（附源码和实现效果）

实现功能递归地删除特征并查看它如何影响模型性能。删除时会导致更大下降的特征更重要。实现代码fromsklearn.ensembleimportRandomForestClassifierfromsklearn.feature_selectionimportRFEimportpandasaspdfromsklearn.datasetsimportload_breast_cancerimportmat
数据杂坛·2023-09-28 03:57

西瓜书+南瓜树第八章 集成学习

集成学习8.1个体与集成8.2Boosting8.2.1Boosting介绍8.2.2AdaBoost算法8.3Bagging与随机森林8.3.1Bagging8.3.2随机森林8.4多样性增强8.1个体与集成集合个体应该和而不同，①和指个体学习器的泛化误差应该小于随机误差，以二分类问题为例，就是指误差ϵ\epsilonϵ<0.5②不同指的是，个体学习器之间应该有所差异，这样集成学习才有意义收敛条
煞拉一Q·2023-09-28 00:52

机器学习西瓜书+南瓜书吃瓜教程学习笔记第五章神经网络

来自吃瓜教程】《机器学习公式详解》（南瓜书）与西瓜书公式推导直播合集第五章神经网络和周志华老师的机器学习西瓜书以下是我的学习笔记：神经网络：神经网络是由具有适应性的简单单元组成的广泛并行互联的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应
Unicorn婧·2023-09-28 00:49

机器学习西瓜书和南瓜书第6章学习笔记

一、支持向量机1.算法原理从几何角度，对于线性可分数据集，支持向量机就是找距离正负样本都最远的超平面。相比于感知机，其解唯一且不偏不倚，泛化性能更好。2.超平面维超平面性质如下：（1）超平面方程不唯一；（2）法向量和位移项确定唯一的超平面；（3）法向量垂直于超平面；（4）法向量指向的那一半空间为正空间，另一半为负空间；（5）任一点到超平面的距离公式为3.几何间隔给定数据集和超平面，，，，定义样本点
可爱的希格玛·2023-09-28 00:18

吃瓜笔记02：【西瓜书+南瓜书】第3章 线性模型

线性模型是机器学习中最为基础的模型，很多复杂模型均可认为由线性模型衍生而得，无论是曾经红极一时的支持向量机还是如今万众瞩目的神经网络，其中都有线性模型的影子。3.1基本形式线性模型其实是一种建立输入变量和输出变量之间线性关系的方法。假设我们有一组输入数据，我们想要通过线性模型来预测或拟合相应的输出值（目标）。在最简单的情况下，线性模型的一般公式可以表示为：3.2线性回归线性回归是一种基本的回归分析
WH_Z0v0·2023-09-28 00:18

机器学习西瓜书+南瓜书吃瓜教程学习笔记第六章支持向量机

视频来源：b站直播+周志华老师机器学习西瓜树+南瓜书以下是我的学习笔记：支持向量机（supportvectormachines，SVM）是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化，通过对偶问题，最终转化为一个凸二次规划问题来求解。由简至繁的模型包括：当训练样本线性可分时，通过硬间隔最大化，学习一个线性可分支持向量机当训练样本近似线性可分时，通过软间隔最大化，
Unicorn婧·2023-09-28 00:17

一起啃西瓜书

一起啃西瓜书（一）：绪论基本术语；假设空间；归纳偏好；一起啃西瓜书（二）：模型评估与选择经验误差和过拟合：错误率，精度，误差；评估方法：留出法，交叉验证法，自助法，调参与最终模型；性能优度：均方误差，错误率和精度
你欲何为R·2023-09-26 13:17

Python实现贝叶斯优化器(Bayes_opt)优化卷积神经网络分类模型(CNN分类算法)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·2023-09-26 09:46

Python实现贝叶斯优化器(Bayes_opt)优化卷积神经网络回归模型(CNN回归算法)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·2023-09-26 09:46

Python实现贝叶斯优化器(Bayes_opt)优化随机森林回归模型(RandomForestRegressor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·2023-09-26 09:46

Python实现贝叶斯优化器(Bayes_opt)优化BP神经网络分类模型(BP神经网络分类算法)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·2023-09-26 09:45

(二十)Seaborn知识学习7-python数据分析与机器学习实战(学习笔记)

文章原创,最近更新：2018-05-141.绘制数据网格2.用FacetGrid子集数据3.用PairGridandpairplot()绘制成对的关系课程来源:python数据分析与机器学习实战-唐宇迪学习参考链接
努力奋斗的durian·2023-09-26 01:58

Python机器学习实战-特征重要性分析方法（3）：迭代删除法：Leave-one-out（附源码和实现效果）

实现功能迭代地每次删除一个特征并评估准确性实现代码fromsklearn.datasetsimportload_breast_cancerfromsklearn.model_selectionimporttrain_test_splitfromsklearn.ensembleimportRandomForestClassifierfromsklearn.metricsimportaccuracy_
数据杂坛·2023-09-25 18:35

机器学习实战项目2--防止过拟合&鸢尾花线性回归

实战项目两个问题如下：1如何防止过拟合‘2使用逻辑回归(LogisticRegression)对鸢尾花数据（多分类问题）进行预测，可以直接使用sklearn中的LR方法，并尝试使用不同的参数，包括正则化的方法，正则项系数，求解优化器，以及将二分类模型转化为多分类模型的方法。answer1:1earlystopping2数据集扩散3正则化(1)earlystopping对模型进行训练的过程即是对模型
strive鱼·2023-09-25 10:24

机器学习西瓜书+南瓜书吃瓜教程学习笔记第三章（二）

南瓜书视频链接以下是我的学习笔记1、多元线性回归首先跟着视频推了一遍，真的厉害，很清晰怎么来的多元线性回归与一元线性回归同理利用最小二乘法求w和b。这里我们讨论了如何使用线性模型进行回归学习，但若要做的是分类任务呢？只需要找一个单调可微函数将分类任务的真实标记y与线性回归模型的预测值联系起来。2、对数几率回归虽然名字里带有回归，但是是一种分类算法。这种方法有很多优点，例如它是直接对分类可能性进行建
Unicorn婧·2023-09-24 04:32

机器学习西瓜书+南瓜书吃瓜教程学习笔记第四章决策树

1、算法原理从逻辑角度，一堆ifelse语句的组合从集合角度，根据某种准则划分特征空间最终目的：将样本越分越“纯”决策树是基于树结构来进行决策的例如，我们对“这是好瓜吗？”这样的问题进行决策时，通常会进行一系列的判断或“子决策”：我们先看“它是什么颜色？”，如果是“青绿色”，则我们再看“它的根蒂是什么形态？”，如果是“蜷缩”，我们再判断“它敲起来是什么声音？”，最后，我们得出最终决策：这是个好瓜，
Unicorn婧·2023-09-24 04:32

python关联规则apriori算法_python实现关联规则分析Apriori算法

本节代码参考了《机器学习实战》第十一章中的代码，也参考了R语言的arules包，该包没有实现一对多的规则，因此，在以上基础上进行了改进，包括实现剪枝步，规则生成(一对一，一对多，多
weixin_39949584·2023-09-24 03:54

Python机器学习实战-特征重要性分析方法（2）：内置特征重要性（附源码和实现效果）

实现功能一些模型，如线性回归和随机森林，可以直接输出特征重要性分数。这些显示了每个特征对最终预测的贡献。实现代码fromsklearn.datasetsimportload_breast_cancerfromsklearn.ensembleimportRandomForestClassifierimportmatplotlib.pyplotaspltX,y=load_breast_cancer(r
数据杂坛·2023-09-23 21:28

Python机器学习实战-特征重要性分析方法（1）：排列重要性（附源码和实现效果）

实现功能排列重要性PermutationImportance：该方法会随机排列每个特征的值，然后监控模型性能下降的程度。如果获得了更大的下降意味着特征更重要实现代码fromsklearn.datasetsimportload_breast_cancerfromsklearn.ensembleimportRandomForestClassifierfromsklearn.inspectionimpo
数据杂坛·2023-09-23 21:28

《机器学习实战》笔记

《机器学习实战》笔记一：K近邻KNNK近邻算法概述：工作原理，一般流程；KNN示例：加载数据，分析数据，数据归一化，定义KNN算法，划分数据集，训练测试，使用算法构建完整可用系统；《机器学习实战》笔记二
你欲何为R·2023-09-23 14:09

学习笔记（一）k-近邻算法（KNN）

《机器学习实战》学习笔记（一）k-近邻算法（KNN）文章目录《机器学习实战》学习笔记（一）k-近邻算法（KNN）原理k-近邻算法的一般流程k-近邻算法python实现小结终于找到《机器学习实战》这本书了
小小月牙·2023-09-23 13:59

机器学习实战KNN部分代码改写

首先创建测试样例defcreateData():group=array([[1.1,1.1],[1.0,1.0],[0,0],[0,0.1]])labels=['A','A','B','B']returngroup,labels原书核心代码defclassify(inX,dataset,labels,k):datasetsize=dataset.shape[0]diffmat=tile(inX,(
南晨Inc·2023-09-20 23:49

机器学习实战【房价预测问题】（附python代码）

题记：今天记录一篇错误代码（暂未找到错误原因），网上的教程对于房价预测问题的套路都差不多于是参照了其中一篇，完成了几乎一样的代码，但是首先是k折交叉验证的问题，其次是预测结果问题。更新：重新手敲了一遍代码发现还是有问题，于是有猜测肯定因为自己的惯性思维导致的问题，自己可能很难发现了，所以找了一份网上的代码直接复制发现能跑，又校对好几遍最终发现原来问题在交叉验证上。可恶啊~问题：rmse出现nan的
百无一用是书生_helloworld·2023-09-20 13:09

机器学习实战【泰坦尼克号沉船预测】（附python代码）

题记：第一个手写的机器学习的项目实战选择了经典的kaggle竞赛题目：泰坦尼克号沉船预测。典型的回归问题，希望在此过程中熟练掌握机器学习的基本流程，数据预处理与特征选择的思路。同类型经典赛题：阿里云天池大赛的工业蒸汽量预测问题。Pycharm和jupyter的选择问题：kaggle在线训练平台提供的是类似于jupyter的接口，方便直观的看到数据的流动，但是结构性和逻辑性不足。而Pycharm通过
百无一用是书生_helloworld·2023-09-20 13:39

机器学习实战-朴素贝叶斯分类算法

1、背景我们其实无时无刻不在使用朴素贝叶斯分类算法，只是没有觉察到而已。比如在晚上走在灯光暗淡的路上，前面出现一个人影。可能是男/女的概率分别是50%。但假如能看出其头发为长发时，你可能会猜这个人是女生的概率为90%。这就是朴素贝叶斯算法的简单应用。2、贝叶斯概率公式（1）条件概率：条件概率由以上文氏图来理解条件概率的定义：就是指在B事件发生的情况下，事件A发生的概率，表示为P(A|B)，由图得出
笨笨的简书·2023-09-20 10:36

Python实现猎人猎物优化算法(HPO)优化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·2023-09-19 11:14

机器学习西瓜书+南瓜书吃瓜教程第三章学习笔记

本次学习为周老师的机器学习西瓜书+谢老师南瓜书+Datawhale视频视频地址下面为本人的学习笔记，最近很忙还没学多少，之后补！！！
Unicorn婧·2023-09-19 10:44

应届生校招经验汇总（主银行）

按照时间轴来写，从2019年七月份开始，到2019年12月结束我是武汉一名高校的研究生，2019年2月开始接触机器学习的内容，起先读了李航的《统计学习方法》，之后陆续读了西瓜书、python数据结构、算法第四版前几部分章节和
白色纯度·2023-09-19 06:43

机器学习实战--线性回归建模

image本文将用“泰坦尼克船员获救预测”这一案例展示一下使用线性回归建模的流程。1.数据理解首先导入原始的数据并展示数据的前5行，大致了解一下数据的情况。原始数据中分别有以下几列信息：PassengerId、Survived、pclass、Name、Sex、Age、SibSp、Parch、Ticket、Fare、Cabin、Embarked。其中Survived表示是否存活也就是本次建模的目标变
PM见闻·2023-09-18 21:42

(三)算法推导与案例-python数据分析与机器学习实战(学习笔记)

课程来源:python数据分析与机器学习实战-唐宇迪1.现在说的很火的深度学习是什么?
努力奋斗的durian·2023-09-18 16:24

Python实现猎人猎物优化算法(HPO)优化随机森林回归模型(RandomForestRegressor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·2023-09-18 11:03

Python实现猎人猎物优化算法(HPO)优化随机森林分类模型(RandomForestClassifier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·2023-09-18 11:03
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他