机器学习实战第4页

Python机器学习实战：特征缩放的3个方法

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。什么是特征缩放？

数据工程与机器学习·2023-11-12 06:40

python车牌识别_python+opencv实现车牌识别

opencv的preprocess_hog()处理图片2.4、用SVM训练分类器三、车牌定位四、字符分割五、字符识别六、Mysql保存七、总结八、参考资料一、前言：最近一直在学习机器学习，花了段时间把《机器学习实战

weixin_39550172·2023-11-12 05:30

机器学习实战——《跟着迪哥学Python数据分析与机器学习实战》

跟着迪哥学Python数据分析与机器学习实战一、基础部分二、信用卡欺诈检测实战——监督学习2.1下采样与过采样2.1.1过采样数据生成策略SMOTE2.2逻辑回归2.3分类结果混淆矩阵2.4过采样实战2.5

躬身入世，以生证道·2023-11-11 10:40

机器学习概述（机器学习实战）

文章目的只做简单介绍。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的增加而增加，可以称其为学习。——TomMitchell，1997概述1.什么是机器学习？1.1机器学习系统的种类1.1.1监督式学习类别（回归和分类）1.1.2无监督式学习类别1.1.3半监督式学习1.1.4强化学习1.1.5批量学习和在线学习1.1.6基于实例与基于

Steven迪文·2023-11-08 07:19

《机器学习实战笔记--第一部分分类算法：决策树 3》

构造分类器：我们在构造了决策树之后，可以用于实际的分类了。在执行分类的时候需要决策树以及用于构造树的标签向量。程序比较测试数据与决策树上的数值，递归执行该过程直到进入叶子节点；最后将测试数据定义为叶子节点所属的类型。defclassify(inputTree,featLabels,testVec):#featLabels特征标签列表firstStr=list(inputTree.keys())[0

z新一·2023-11-07 16:24

Python与机器学习库Scikit-learn实战

在本文中，我们将介绍Python和Scikit-learn的一些基础知识，并展示如何使用这两种工具进行机器学习实战。一、Python基础Python是一种解释性、跨平台的高级编程语言，支

心梓知识·2023-11-06 17:58

机器学习实战教程（一）：K-近邻算法（a）

一、简单k-近邻算法本文将从k-近邻（kNN）算法的思想开始讲起，使用python3一步一步编写代码进行实战训练。并且，我也提供了相应的数据集，对代码进行了详细的注释。除此之外，本文也对sklearn实现k-近邻算法的方法进行了讲解。实战实例：电影类别分类、约会网站配对效果判定、手写数字识别。本文出现的所有代码和数据集，均可在我的github上下载，欢迎Follow、Star：Github代码地址

公子曼步·2023-11-05 03:32

机器学习实战梯度上升数学推导_机器学习实战原理/代码：Gradient-Descent（梯度下降）...

OUTLINE:这个点的导数为负，如果每次加上这个导数会向左走，是梯度上升。要梯度下降，则加负号，前面乘以一个系数，控制每次移动的步长有可能找到的是：局部最优解implementation：找到这个二次函数的最低点。（梯度下降法）首先：lossfunction是啥？很明显，就是这个二次函数，我们要让这个lossfunction达到0，就说明我们找到了最小值点。于是，每次求出迭代的点的导数值，乘以-

weixin_39936792·2023-11-04 02:08

Python机器学习实战（一）

文章目录基于逻辑回归实现乳腺癌预测基于k-近邻算法实现鸢尾花分类基于决策树实现葡萄酒分类基于朴素贝叶斯实现垃圾短信分类基于支持向量机实现葡萄酒分类基于高斯混合模型实现鸢尾花分类基于主成分分析实现鸢尾花数据降维基于奇异值分解实现图片压缩基于逻辑回归实现乳腺癌预测#基于逻辑回归实现乳腺癌预测fromsklearn.datasetsimportload_breast_cancerfromsklearn.

数据攻城小狮子·2023-11-03 09:05

现成调包>底层编写>算法改进——我对k-means由浅入深的理解

不赘述，原理可参考：《机器学习》周志华《机器学习实战》网络博客、百度因为研究数据不公开，本期数据采用随机构造数据，如下代码：##【代码1】随机产生点##i

交通科研Lab·2023-11-02 15:30

2023年第七期丨全国高校大数据与人工智能师资研修班

全国高校大数据与人工智能师资研修班邀请函2023年第七期线下班（昆明）：数据采集与机器学习实战线上班（七大专题）:PyTorch深度学习与大模型应用实战数据采集与处理实战大数据分析与机器学习实战大数据技术应用实战

泰迪智能科技·2023-10-31 16:40

机器学习实战k近邻２－约会网站

发布的代码都是经本人调试，在Python2.7上可以正常运行的。后面还会附带一些自己在写代码过程中遇到的问题。#!/usr/bin/python#-*-coding:UTF-8-*-fromnumpyimport*importoperatorfromosimportlistdirdefclassify0(inX,dataSet,labels,k):dataSetSize=dataSet.shape

suxuer·2023-10-29 11:58

10000字！图解机器学习特征工程

数据对齐2.2缺失值处理原文链接：https://www.showmeai.tech/article-detail/208作者：showmeAI引言上图为大家熟悉的机器学习建模流程图，ShowMeAI在前序机器学习实战文章

赵孝正·2023-10-28 20:39

Python机器学习实战：如何用Pandas处理缺失值

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·2023-10-28 17:26

机器学习实战梯度上升数学推导_机器学习-白板推导系列(二)-数学基础笔记

视频如下：机器学习-白板推导系列(二)-数学基础_哔哩哔哩(゜-゜)つロ干杯~-bilibiliwww.bilibili.com一、概率-高斯分布1-极大似然估计高斯分布在统计机器学习中占据重要的地位。本节内容主要是利用极大似然估计计算高斯分布下的最优参数。Data:假设数据中有个样本，每个样本为维数据（含有个feature）所有的样本都独立同分布于高斯分布MLE：极大似然估计MLE：求最优的使得

weixin_39644377·2023-10-28 17:24

Azure - 机器学习实战：快速训练、部署模型

本文将指导你探索Azure机器学习服务的主要功能。在这里，你将学习如何创建、注册并发布模型。此教程旨在让你深入了解Azure机器学习的基础知识和常用操作。关注TechLead，分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验，同济本复旦硕，复旦机器人智能实验室成员，阿里云认证的资深架构师，项目管理专业人士，上亿营收AI产品研发负责人。一、开始之前的准备要深入Azu

TechLead KrisChang·2023-10-28 13:00

自然语言处理系列十四》中文分词》机器学习统计分词》感知器分词

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十四中文分词感知器分词总结自然语言处理系列十四中文分词中文分词

陈敬雷-充电了么-CEO兼CTO·2023-10-27 16:04

机器学习第一章练习题

摘自书籍--------《机器学习实战：基于Scikit-Learn和TensorFlow》1.你会怎么定义机器学习？答：机器学习是一门能够让系统从数据中学习的计算机科学。

星动OvO·2023-10-27 01:09

机器学习实战（集成学习）

集成学习简介集成学习的核心是如何产生并结合“好而不同”的个体学习器根据个体学习器的生成方式，目前的集成学习方法大致分为两大类个体学习器间存在强依赖关系，必须串行生成的序列化方法（Boosting）个体学习器之间不存在强依赖关系、可同时生成的并行方法（Bagging和随机森林RandomFrost）Bagging与随机森林Bagging基于有放回的采样（自助采样法），基本流程为：将训练集进行采样，每

清水一个僧·2023-10-26 12:02

机器学习实战——决策树算法

点击查看：数据集+代码决策树该流程图就是一个决策树，长方形代表判断模块（decisionblock），椭圆形代表终止模块（terminatingblock），表示已经得出结论，可以终止运行。从判断模块引出的左右箭头称作分支（branch），它可以到达另一个判断模块或者终止模块。决策树ID3算法上一篇的k-近邻算法可以完成很多分类任务，但是它最大的缺点就是无法给出数据的内在含义，决策树的主要优势就在

if 雨田人尹＝＝雷伊：·2023-10-26 04:15

《机器学习实战》笔记（四）：Ch4 - 基于概率论的分类方法:朴素贝叶斯

第四章基于概率论的分类方法:朴素贝叶斯[代码][ch04]基于贝叶斯决策理论算法优缺点优点:在数据较少的情况下仍然有效。可以处理多类别问题。缺点:对于输入数据的准备方式较为敏感。范围:标称型数据。Tip:贝叶斯决策理论的核心思想是选择高概率对应的类别，即选择具有最高概率的决策贝叶斯法则后验概率=标准似然度*先验概率。贝叶斯定理对于变量有二个以上的情况，贝叶斯定理亦成立。例如：P(A|B,C)=P(

Liu_Goodfellow·2023-10-24 20:09

《机器学习实战》学习记录-ch3

第3章分类PS:个人记录，抄书系列，建议看原书原书资料：https://github.com/ageron/handson-ml2目录第3章分类3.1MNIST数据集3.2训练二元分类器3.2.1随机梯度下降SGD3.3性能测量3.3.1使用交叉验证测量准确率3.3.2混淆矩阵3.3.3精度和召回率3.3.4精度/召回率权衡3.3.5ROC曲线多元分类器3.5误差分析3.6多标签分类3.7多输出分

Cyan青·2023-10-24 20:09

《机器学习实战》ch1 ~ ch15 笔记目录

《机器学习实战》笔记（一）：Ch1-机器学习基础《机器学习实战》笔记（二）：Ch2-k-近邻算法《机器学习实战》笔记（三）：Ch3-决策树《机器学习实战》笔记（四）：Ch4-基于概率论的分类方

Liu_Goodfellow·2023-10-24 20:09

机器学习实战---PM2.5预测

文章目录一.预处理二、模型训练三、测试四、模型预测五、保存预测结果感受项目数据集数据集介绍使用丰原站的观测记录，分成trainset跟testset，trainset是丰原站每个月的前20天所有资料。testset则是从丰原站剩下的资料中取样出来。train.csv:每个月前20天的完整资料。test.csv:从剩下的资料当中取样出连续的10小时为一笔，前九小时的所有观测数据当作feature，第

Sinlair·2023-10-24 20:06

《机器学习实战》学习记录-ch4

4.1线性回归importnumpyasnpimportmatplotlib.pyplotaspltimportpandasaspdX=2*np.random.rand(100,1)#生成[0,1)之间的数据y=4+3*X+np.random.randn(100,1)#生成一组正态分布的数据，高斯噪声X_b=np.c_[np.ones((100,1)),X]X_b[:5]array([[1.,0.

Cyan青·2023-10-24 20:03

Python3《机器学习实战》学习笔记（八）：支持向量机原理篇之手撕线性SVM

一前言二什么是SVM三线性SVM数学建模1决策面方程2分类间隔方程3约束条件4线性SVM优化问题基本描述5求解准备6拉格朗日函数7KKT条件8对偶问题求解SMO算法1Platt的SMO算法2SMO算法的解法四编程求解线性SVM1可视化数据集2简化版SMO算法五总结一前言说来惭愧，断更快半个月了，本打算是一周一篇的。感觉SVM瞬间难了不少，推导耗费了很多时间，同时身边的事情也不少，忙了许久。本篇文章

essenge·2023-10-24 04:27

python3《机器学习实战系列》学习笔记----1.K-近邻算法

前言一、K-近邻算法概述1.1简述1.2距离测量的方法1.3KNN算法的一般流程1.3.1准备：使用python导入数据1.3.2实施KNN分类算法1.3.2.1KNN伪代码1.3.2.2KNN算法二、示例：使用K-NN算法改进约会网站的配对效果2.1一般流程2.1.1准备数据：从本文中解析数据2.1.2分析数据：使用Matplotlib创建散点图2.1.3准备数据：归一化数值2.1.4测试算法：

mcyJacky·2023-10-21 16:28

机器学习实战笔记（三）：使用k-近邻算法的手写识别系统（Python3 实现）

完整代码及数据地址：https://github.com/cqulun123/Machine-Learning-in-Action0使用k-近邻算法的手写识别系统的步骤(1)收集数据：提供文本文件。(2)准备数据：编写函数classify0()，将图像格式转换为分类器使用的list格式。(3)分析数据：在Python命令提示符中检查数据，确保它符合要求。(4)训练算法：此步骤不适用于k-近邻算法。

max_bay·2023-10-21 16:24

机器学习实战(第2章)

一.快速查看数据结构1.housing.head():查看DataFrame的前5行2.housing.info():查看DataFrame的总行数，每个属性的类型及非空值的数量3.housing['xx'].value_counts():查看有多少xx有多少取值，每种取值分别有多少数量4.housing.describe():显示DataFrame中的数值摘要二.创建测试集(只把函数列出)1.t

好好学习天天向上W·2023-10-21 02:17

用python做逻辑回归_机器学习之逻辑回归(纯python实现)

本文参考机器学习实战的相应部分，看一下数据集。//两个特征-0.01761214.0530640-1.3956344.66

weixin_39620252·2023-10-20 10:08

唐宇迪机器学习实战课程笔记(全)

1.线性回归1.1线性回归理论1.2线性回归实战2.训练调参基本功(线性回归、岭回归、Lasso回归)2.1线性回归模型实现2.2不同GD策略对比2.3多项式曲线回归2.4过拟合和欠拟合2.5正则化3.分类模型评估(Mnist实战SGD_Classifier)3.1K折交叉验证K-foldcrossvalidation3.2混淆矩阵ConfusionMatrix3.3准确率accuracy、精度p

Yuezero_·2023-10-19 18:28

《机器学习实战》— 基于概率论的分类方法：朴素贝叶斯

知更鸟女孩·2023-10-19 10:28

机器学习实战--基于概率论的分类方法：朴素贝叶斯

前言：朴素贝叶斯算法是有监督的学习算法，解决的是分类问题，如客户是否流失、是否值得投资、信用等级评定等多分类问题。该算法的优点在于简单易懂、学习效率高、在某些领域的分类问题中能够与决策树、神经网络相媲美。但由于该算法以自变量之间的独立（条件特征独立）性和连续变量的正态性假设为前提，就会导致算法精度在某种程度上受影响。基于贝叶斯决策理论的方法1.贝叶斯决策理论假设现在有一个数据集，它由两类数据组成，

aaaaPIKACHU·2023-10-19 10:24

《Machine Learning in Action》—— 剖析支持向量机，单手狂撕线性SVM

《MachineLearninginAction》——剖析支持向量机，单手狂撕线性SVM前面在写NumPy文章的结尾处也有提到，本来是打算按照《机器学习实战/MachineLearninginAction

玩世不恭的Coder·2023-10-19 06:22

机器学习实战城市居民消费水平

31省城市居民消费水平分类k-means算法采用默认距离即欧式距离。importnumpyasnpfromsklearn.clusterimportKMeansdefloadData(filePath):fr=open(filePath,'r+')lines=fr.readlines()retData=[]retCityName=[]forlineinlines:items=line.strip(

让时间来沉淀吧·2023-10-18 01:01

【1】机器学习实战peter Harrington——学习笔记

机器学习实战peterHarrington——学习笔记综述数据挖掘十大算法本书结构一、机器学习基础1.1机器学习1.2关键术语1.3机器学习主要任务1.4如何选择合适的算法1.5开发机器学习应用程序的步骤综述机器学习算法在包含信息检索和数据挖掘在内的多个领域都有着十分广泛的应用

手可摘辰·2023-10-16 11:03

机器学习sklearn实战

机器学习sklearn实战今天开始学习机器学习实战，好多年都没有下定决心把这个学好。

sea_bi·2023-10-15 11:37

机器学习实战 --- sklearn

前言随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文主要介绍机器学习的基础内容。源码：https://gitee.com/qinlewei/machine_learning.git一、sklearn数据集对于一个初入机器学习的小白来说，数据是分析必不可少的。sklearn中含有前人整理好的数据集可以直接导入调用，此外也可以从kaggle上下载数据集，上的数据具

不加糖咖啡q·2023-10-15 11:34

机器学习期末总复习详解

机器学习实战第一章人工智能引擎机器学习与人工智能，深度学习的关系：进行机器学习的步骤机器学习算法的分类第二章模型评估经验误差与过拟合评估方法性能度量第三章k邻近算法KNN算法流程时间复杂度kd树k邻近算法优缺点第四章决策树决策树算法流程划分选择信息增益

打代码能当饭吃？·2023-10-14 22:16

(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

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

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

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

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）

数据杂坛·2023-09-28 03:01

推荐频道

机器学习实战