机器学习实战

Python实现SSA智能麻雀搜索算法优化XGBoost回归模型(XGBRegressor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·2023-09-07 07:02

Python实现猎人猎物优化算法(HPO)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·2023-09-06 23:25

Python实现猎人猎物优化算法(HPO)优化BP神经网络回归模型(BP神经网络回归算法)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·2023-09-06 23:24

Python实现猎人猎物优化算法(HPO)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·2023-09-06 23:54

Python实现猎人猎物优化算法(HPO)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·2023-09-06 23:49

机器学习实战--住房月租金预测（2）

前文回顾：机器学习实战--住房月租金预测（1），今天继续分享这次比赛的收获。本文会讲解对特征工程的处理。话不多说，我们开始吧！
不羁的程序员小王·2023-09-05 06:28

机器学习实战读书笔记-朴素贝叶斯

机器学习实战读书笔记-朴素贝叶斯核心思想：要求分类器给出一个最优类别的猜测结果，同时给出这个猜测概率的估计值我们称之为朴素，是因为整个形式化过程只做最原始，最简单的假设。
ZackJiang·2023-09-03 21:39

头歌机器学习实战day2

决策树什么是决策树如果你以前没有接触过决策树，完全不用担心，它的概念非常简单。即使不知道它也可以通过简单的图形了解其工作原理，如图所示的流程图就是一个决策树，正方形代表判断模块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从判断模块引出的左右箭头称作分branch，它可以到达另一个判断模块或者终止模块
lagrahhn·2023-08-31 12:51

python列表for循环 加入新列表_Python for循环生成列表的实例

一般Pythonfor语句前不加语句，但我在机器学习实战中看到了这两条语句：featList=[example[i]forexampleindataSet]classList=[example[-1]forexampleindataSet
weixin_39911066·2023-08-30 19:32

《机器学习实战》学习笔记（二）之决策树（上）决策树的生成及修剪，ID3,C4.5CART算法

C**转载请注明作者和出处：**http://blog.csdn.net/john_bh/运行平台：WindowsPython版本：Python2.7IDE：Sublimetext3一决策树的概述1决策树的发展2决策树的定义3决策树与if-then规则二决策树的算法框架1决策树主函数2计算最优特征子函数3划分数据集子函数4分类器三决策树的构造1特征选择11信息增益informationgain12
john_bh·2023-08-29 06:15

机器学习实战：Python基于EM期望最大化进行参数估计（十五）

文章目录1.前言1.1EM的介绍1.2EM的应用场景2.高斯混合模型估计2.1导入函数2.2创建数据2.3初始化2.4ExpectationStep2.5Maximizationstep2.6循环迭代可视化3.多维情况4.讨论1.前言1.1EM的介绍（Expectation-Maximization，EM）是一种迭代式的优化算法，主要用于解决含有隐变量的概率模型的参数估计问题。它的目标是在给定观测
Bioinfo Guy·2023-08-28 23:07

机器学习实战：Python基于KDE核密度估计进行分布估计（十六）

文章目录1.前言1.1KDE简介1.2KDE应用领域2.diy数据集实战演示2.1导入函数2.2自定义数据2.3可视化数据2.4KDE建模3.参数探讨3.1带宽3.2选择最佳带宽3.2核函数3.4挑选合适核函数4.讨论1.前言1.1KDE简介核密度估计（KernelDensityEstimation，简称KDE）是用于估计连续随机变量概率密度函数的非参数方法。它的工作原理是在每个数据点周围放置一个
Bioinfo Guy·2023-08-28 23:37

机器学习实战14-在日本福岛核电站排放污水的背景下,核电站对人口影响的分析实践

大家好，我是微学AI，今天给大家介绍一下机器学习实战14-在日本福岛核电站排放污水的背景下,核电站对人口影响的分析实践。近日，日本政府举行内阁成员会议，决定于2023年8月24日启动福岛核污染水排海。
微学AI·2023-08-28 20:41

机器学习实战笔记（蜥蜴书）—— 第二章：端到端项目

目录前言机器学习前的准备工作1、机器学习需要用到的库：安装：文件导入库2、所用工具数据准备1、获取数据2、检查数据3、创建训练/测试集数据可视化数据预处理1、缺失值处理2、文本属性处理3、数据集添加其他列4、数值缩放5、得到预处理的数据模型建立1、线型模型2、决策树模型3、随机森林模型模型验证1、简单均方根误差验证2、使用交叉验证模型保存模型调整模型评估前言“蜥蜴书”是我机器学习的启蒙书，现在开始
Crayon鑫·2023-08-28 16:34

机器学习实战之用 Scikit-Learn 正则化方法解决过拟合详解

你是不是在模型训练中遇到过这样的问题：在训练集上表现得极好，但在测试集上效果不佳？这就是过拟合的问题。过拟合是模型在训练过程中学到了数据的“噪声”而非规律，导致在未知数据上表现不佳。那么怎么解决这个问题呢？今天我们就来聊聊Scikit-Learn的正则化方法吧！小提示:如果你还没有接触过Scikit-Learn，可以先了解一下这个强大的Python机器学习库。本文会带你领略它的神奇之处！一、正则化
Rocky006·2023-08-27 12:57

机器学习实战之模型的解释性：Scikit-Learn的SHAP和LIME库详解

引言：机器学习模型的“黑箱”困境机器学习模型的崛起让我们惊叹不已！不论是预测房价、识别图片中的猫狗，还是推荐给你喜欢的音乐，这些模型都表现得非常出色。但是，有没有想过，这些模型到底是如何做出这些决策的呢？作为一名Python爱好者，我们自然希望能够了解模型背后的原理。好消息是，SHAP和LIME这两个库能帮助我们！它们可以帮助我们揭示模型的内部结构，让我们能够更好地理解和优化模型。一：SHAP值到
Rocky006·2023-08-26 15:46

机器学习实战之模型的解释性：Scikit-Learn的SHAP和LIME库

概要机器学习模型的“黑箱”困境机器学习模型的崛起让我们惊叹不已！不论是预测房价、识别图片中的猫狗，还是推荐给你喜欢的音乐，这些模型都表现得非常出色。但是，有没有想过，这些模型到底是如何做出这些决策的呢？作为一名Python爱好者，我们自然希望能够了解模型背后的原理。好消息是，SHAP和LIME这两个库能帮助我们！它们可以帮助我们揭示模型的内部结构，让我们能够更好地理解和优化模型。一：SHAP值到底
Rocky006·2023-08-26 15:46

机器学习实战—MNIST手写体数字识别

主角多会嘴遁，反派死于话多。扯了三篇咱们直接开始上手一个项目体验下机器学习的魅力，相关的理论知识，遇到了咱们再拎出来介绍。什么是MNIST?MNIST（官方网站）是非常有名的手写体数字识别数据集，在Tensorflow的官方网站里，第一个就拿它来做实战讲解，咱们也以此作为开始的项目。它由手写体数字的图片和相对应的标签组成，如：imageMNIST数据集分为训练图像和测试图像。训练图像60000张，
RunningSucks·2023-08-24 19:54

【机器学习实战】朴素贝叶斯：过滤垃圾邮件

【机器学习实战】朴素贝叶斯：过滤垃圾邮件0.收集数据这里采用的数据集是《机器学习实战》提供的邮件文件，该文件有ham和spam两个文件夹，每个文件夹中各有25条邮件，分别代表着正常邮件和垃圾邮件。
RanLZ·2023-08-24 06:22

机器学习实战训练营视频教程+资料+课件

─00第一周：绪论和准备│ziliao2.docx│【《机器学习实战》训练营】——绪论.mp4│资料3.docx│资料.pdf│├─01第一周：学习k-近邻算法│kecheng.pdf│资料.docx│
globals_11de·2023-08-23 01:15

机器学习实战 | 性别预测模型的构建与优化

基于用户画像进行广告投放，是优化投放效果、实现精准营销的基础；而人口属性中的性别、年龄等标签，又是用户画像中的基础信息。那该如何尽量准确的为数据打上这些标签？这时候机器学习就派上用场了。本文将以性别标签为例，介绍人口属性标签预测的机器学习模型构建与优化。性别标签预测流程通常情况下，无监督学习不仅很难学习到有用信息，而且对于学习到的效果较难评估。所以，如果可以，我们会尽可能地把问题转化成有监督学习。
·2023-08-17 08:03

sklearn无法加载fetch_mldata导致不能加载MNIST数据集解决方案

相信大部分有这个问题的童鞋都是在看《机器学习实战：基于Scikit-Learn和TensorFlow》这本书哈，其实fetch_mldata在新版的sklearn里已经被弃用了，新版的是openml。
GlassySky_6c41·2023-08-16 09:39

机器学习实战5-KMeans聚类算法

文章目录概述KMeansKMeans参数&接口n_clusters质心inertia模型评估指标轮廓系数Calinski-HarabazIndex重要参数init&random_state&n_init：初始质心怎么放好?重要参数max_iter&tol：让迭代停下来重要属性与重要接口概述聚类VS分类[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-08cI8jam-1
wa的一声哭了·2023-08-14 11:10

机器学习实战4-数据预处理

文章目录数据无量纲化preprocessing.MinMaxScaler（归一化）导库归一化另一种写法将归一化的结果逆转preprocessing.StandardScaler(标准化)导库实例化查看属性查看结果逆标准化缺失值impute.SimpleImputer另一种填充写法处理分类型特征：编码与哑变量preprocessing.LabelEncoder：标签专用，能够将分类转换为分类数值pr
wa的一声哭了·2023-08-14 11:39

机器学习实战2-决策树算法

文章目录决策树算法核心是要解决两个的关键问题sklearn中的决策树模型sklearn建模步骤分类树Criterionrandom_state&&splitter剪枝参数max_depthmin_samples_leaf&&min_samples_splitmax_features&&min_impurity_decrease确认最优剪枝参数目标权重参数重要属性和接口回归树参数、属性、接口Crit
wa的一声哭了·2023-08-12 11:40

机器学习实战3-随机森林算法

文章目录集成算法概述sklearn中的集成算法模块RandomForestClassifier重要参数&&随机森林的分类器控制基评估器的参数n_estimatorssklearn建模流程复习交叉验证我们进行10次交叉验证，观察随机森林和决策树的效果n_estimators学习曲线bootstrap&oob_score随机森林回归器随机森林回归填补缺失值案例机器学习中调参的基本思想实例随机森林在乳腺
wa的一声哭了·2023-08-12 11:37

机器学习实战-决策树

1、背景决策树模型以上就是之前见过的树状模型，但这里它代表着决策树直观的表达形式。其特殊意义在于，没个叶节点，代表着要划分的类别；除叶节点以外的节点，是待分类项的各个属性。这里比较简单的是最终分类的类别是两个类别，没个属性的取值只有两个取值，所以以上便生成了一个简单的二叉树。在建立这个模型的基础上，假如我们有如下数据需要判断这个人是否死亡：实例根据以上二叉树带入各个的值，很容易便得出结论是：sur
笨笨的简书·2023-08-12 09:03

Python机器学习实战-建立AdaBoost模型预测肾脏疾病（附源码和实现效果）

实现功能建立AdaBoost模型（集成学习）预测肾脏疾病实现代码importpandasaspdimportwarningswarnings.filterwarnings("ignore")pd.set_option('display.max_columns',26)#==========================读取数据===================================
数据杂坛·2023-08-12 06:15

机器学习实战——波士顿房价预测

波士顿房价预测波士顿房地产市场竞争激烈，而你想成为该地区最好的房地产经纪人。为了更好地与同行竞争，你决定运用机器学习的一些基本概念，帮助客户为自己的房产定下最佳售价。幸运的是，你找到了波士顿房价的数据集，里面聚合了波士顿郊区包含多个特征维度的房价数据。你的任务是用可用的工具进行统计分析，并基于分析建立优化模型。这个模型将用来为你的客户评估房产的最佳售价。数据集介绍导入包importpandasas
嘿嘻哈呀·2023-08-11 21:18

机器学习实战 朴素贝叶斯

朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。使用高斯bayes对Iris数据集进行分类importnumpyasnpimportpandasaspdimportrandomdataSet=pd.read_csv('iris.txt',hea
Helen980416·2023-08-10 08:48

Python机器学习实战-建立随机森林模型预测肾脏疾病（附源码和实现效果）

实现功能建立随机森林模型预测肾脏疾病实现代码importpandasaspdimportwarningswarnings.filterwarnings("ignore")pd.set_option('display.max_columns',26)#==========================读取数据======================================df=pd.r
数据杂坛·2023-08-09 20:16

python文本数据挖掘_Python数据挖掘与机器学习实战__前言

Python是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。作为一门编程语言，其魅力远超C#、Java、C和C++等编程语言，被昵称为“胶水语言”，更被热爱它的程序员誉为“最美丽的”编程语言。从云端和客户端，再到物联网终端，Python应用无处不在，同时它还是人工智能（AI）首选的编程语言。近年来，人工智能在全世界掀起了新的科技浪潮，各行各业都在努力涉足人工智能技术。而机器学习是人
weixin_39606118·2023-08-09 06:56

机器学习实战1-kNN最近邻算法

文章目录机器学习基础机器学习的关键术语k-近邻算法（KNN）准备：使用python导入数据实施kNN分类算法示例：使用kNN改进约会网站的配对效果准备数据：从文本文件中解析数据分析数据准备数据：归一化数值测试算法：作为完整程序验证分类器手写识别系统机器学习基础机器学习的关键术语1、属性：将一种事务分类的特征值称为属性，例如我们在做鸟类分类时，我们可以将体重、翼展、脚蹼、后背颜色作为特征,特征通常时
wa的一声哭了·2023-08-08 23:38

Python实现GA遗传算法优化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·2023-08-08 11:38

Python实现GA遗传算法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·2023-08-07 14:36

Python实现GA遗传算法优化LightGBM分类模型(LGBMClassifier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·2023-08-07 14:36

Python实现GA遗传算法优化Catboost回归模型(CatBoostRegressor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·2023-08-07 14:36

Python实现GA遗传算法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·2023-08-07 14:02

机器学习实战：贝叶斯垃圾邮件判断APP

前言在数据大爆炸的时代每个人每天都会收到大量的垃圾邮件，由于用传统的判断方式不好辨别，而通过使用贝叶斯可以准确的辨别垃圾邮件。贝叶斯公式贝叶斯公式其中B1,B2,...,Bn为完备事件组P(A)表示：事件A发生概率P(B)表示：事件B发生概率P(A∩B)表示：事件A与事件B同时发生的概率P(A|B)表示：在事件B发生的情况下，事件A发生概率贝叶斯公式推导因为条件概率公式所以变换一下因此再变换一下所
molangwu·2023-08-06 06:38

机器学习实战13-超导体材料的临界温度预测与分析(决策树回归,梯度提升回归,随机森林回归和Bagging回归)

大家好，我是微学AI，今天给大家介绍一下机器学习实战13-超导体材料的临界温度预测与分析(决策树回归,梯度提升回归,随机森林回归和Bagging回归)，这几天引爆网络的科技大新闻就是韩国科研团队宣称发现了室温超导材料
微学AI·2023-08-03 18:52

好书推荐：《机器学习实战》&中英文高清PDF+源码免费下载

《机器学习实战》中英文高清PDF+源码免费下载下载地址1：网盘下载下载地址2：百度云链接：https://pan.baidu.com/s/1SNX0JP2LLNVqw2cjwLznsA提取码：t052封皮目录第一部分分类第
求之不得丶·2023-08-03 14:56

从入门到头秃，2018年机器学习图书TOP10

1《机器学习实战：基于Scikit-Learn和TensorFlow》作者：[法]奥雷利安·杰龙出版时间：2018年8月美国亚马逊“人工智能”图书畅销榜首图书！通过具体的
大数据v·2023-08-03 04:59

机器学习实战教程（一）：K-近邻算法（b）

5、测试算法：验证分类器机器学习算法一个很重要的工作就是评估算法的正确率，通常我们只提供已有数据的90%作为训练样本来训练分类器，而使用其余的10%数据去测试分类器，检测分类器的正确率。需要注意的是，10%的测试数据应该是随机选择的，由于海伦提供的数据并没有按照特定目的来排序，所以我们可以随意选择10%数据而不影响其随机性。为了测试分类器效果，在kNN_test02.py文件中创建函数dating
公子曼步·2023-08-02 16:07

pyspark入门---机器学习实战预测婴儿出生率（二）使用ML库

机器学习实战预测婴儿出生率1.加载数据2.创建转换器3.创建预测器4.创建管道5.训练模型6.使用BinaryClassificationEvaluator对模型评估7.模型保存与调用在上一文中，主要对
魔仙大佬·2023-08-01 21:54

机器学习实战之朴素贝叶斯

在学习朴素贝叶斯分类模型之前，我们回顾一下之前学习的KNN和决策树，读者本人的总结：不同的机器学习方法有着不同的假设和理论进行支撑，而这些假设和理论在很大程度上体现了该算法的优缺点。KNN：在样本空间中，相同的类型数据在空间呈聚集状态，也就是距离会靠近，基于这个假设，只需要对测试样本与训练样本进行距离计算，最近距离的样本的类别很大程度上就是测试样本的类别。决策树：基于信息理论。样本数据是混乱的（熵
罗罗攀·2023-08-01 12:35

Python实现GA遗传算法优化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·2023-08-01 11:09

Python实现GA遗传算法优化循环神经网络回归模型(LSTM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·2023-07-31 13:56

matplotlib入门记录--基于Hands on Machine Learning 2配套文件

本文是基于《机器学习实战》配套的tools_matplotlib的notebook文件写的具体可查看https://homl.info/kaggle/TableofContents1Plottingyourfirstgraph2Linestyleandcolor3Savingafigure4Subplots5Multiplefigures6Pyplot
Ben出没冇注意·2023-07-30 10:35

机器学习实战(四)--逻辑斯特回归

一.sigmoid函数1.函数思想当我们想生成一个函数，通过这个函数我们给定特征值，就能预测输出。对二分类问题，很容易我们会想到阶跃函数(函数输出0或1)。但这种阶跃性很多时候处理起来都是困难的，自然地，我们想要一个平滑过渡版的阶跃函数。这种数学上更易于处理的过渡更平滑的函数就是sigmoid函数。2.函数形式可以看到下面那张图已经非常接近阶跃函数了，只不过中间的过渡是平滑的。二.分类问题1.基本
橘子oly·2023-07-29 04:05

TensorFlow+CNN尝试MNIST数字识别

尝试使用TF+CNN时间MNIST，而不是《机器学习实战》中的KNN首先导入该本次实验要用的包importnumpyasnpimportpandasaspdimporttensorflowastfimportmatplotlib.pyplotaspltfromsklearn.model_selectionimportShuffleSplitfromsklearn.preprocessingimpo
mov觉得高数好难·2023-07-28 19:41
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他