机器学习实战

Python实现ACO蚁群优化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·2023-06-12 22:30

Python实现ACO蚁群优化算法优化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·2023-06-12 22:30

Python实现ACO蚁群优化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·2023-06-12 22:54

机器学习实战：Python基于Logistic逻辑回归进行分类预测（一）

目录1前言1.1Logistic回归的介绍1.2Logistic回归的应用2iris数据集数据处理2.1导入函数2.2导入数据2.3简单数据查看3可视化3.1条形图/散点图3.2箱线图3.3三维散点图4建模预测4.1二分类预测4.2多分类预测5讨论1前言1.1Logistic回归的介绍逻辑回归（Logisticregression，简称LR）是一种经典的二分类算法，它将输入特征与一个sigmoid
Bioinfo Guy·2023-06-12 02:39

《机器学习实战》第一章机器学习基础笔记

作者：PeterHarrington2013年第一部分分类第一章机器学习基础本章内容机器学习的简单概述机器学习的主要任务学习机器学习的原因python语言的优势1.1何谓机器学习机器学习：把无序的数据转换为有用的信息统计学和机器学习的关系：无法精确定义模型的时候，机器学习用统计学工具。1.2关键术语特征或者属性或者特征：测量的类型实例：测量的值训练数据：训练用的样本测试数据：测试用的样本1.3机器
sdnugao·2023-06-11 19:03

机器学习实战-决策树

假设有这么一组数据：不浮出水面是否可以生存是否有脚蹼属于鱼类1是是是2是是是3是否否4否是否5否是否特征包含：不浮出水面是否可以生存，是否有脚蹼。标签是属于鱼类。我们通过构造这样一棵决策树对其进行分类，每个叶子节点代表对一个分类的判断：decisiontree.png相比knn，决策树具体考虑了样本的每一个特征。那么，我们通过对哪些特征先后进行划分来构造这样一棵树呢？首先，我们将数据集转化成符号表
又双叒叕苟了一天·2023-06-11 06:44

【机器学习实战】Python基于K均值K-means进行聚类（九）

文章目录1前言1.1K-means的介绍1.2K-means的应用2demo实战演示2.1导入函数2.2创建数据2.3拟合聚类2.4查看结果3使用高级技术评估集群性能*3.1导入函数3.2整合数据3.3计算4讨论1前言1.1K-means的介绍K均值（K-means）是一种基于距离度量的聚类算法，其主要思想是将数据集划分为k个不同的簇，每个簇代表一个相似度较高的数据组。该算法通过迭代优化来最小化所
Bioinfo Guy·2023-06-10 09:30

机器学习实战六步法之数据收集方法（四）

要落地一个机器学习的项目，是有章可循的，通过这六个步骤，小白也能搞定机器学习。看我闪电六连鞭！数据收集数据是机器学习的基础，没有数据一切都是空谈！数据集的数据量和数据的质量往往决定了“事情的成败”。所以现在国内（比如百度的文言一心）搞大模型的公司，他们往往拥有“庞大的”数据资产。数据到底从何而来？数据的收集通常是比较费力的工作！我们通常通过开源的数据集、数据埋点、数据爬取来获取数据集。下面介绍一些
涛声依旧叭·2023-06-10 07:43

机器学习实战六步法之数据预处理（五）

要落地一个机器学习的项目，是有章可循的，通过这六个步骤，小白也能搞定机器学习。看我闪电六连鞭！数据的预处理通常包括5个步骤，如下：这个是比较完整的一个步骤，不同的算法可能会缺少一些步骤，例如无监督学习中，没有标签也就没有特征工程。1、数据可视化数据的可视化，可以帮我们发现数据中的规律和问题。通过数据可视化，我们可以从整体“俯瞰”数据的全貌。可以观察特征和标签之间可能存在哪些关系，以及观测特殊数据。
涛声依旧叭·2023-06-09 22:17

第35步 机器学习实战DLC：不平衡数据处理（下）

失踪人口回归的第二期，继续说一说用PSM处理不平衡数据。一、啥叫PSMPSM全称为PropensityScoreMatching，翻译过来就是倾向匹配得分，为了省流，让小Chart介绍一下：放到我们的数据就是：根据某个特征，从对类别0的1671例中挑出一部分来跟类别1来匹配，形成新的数据集，然后建模。其实就是多变少的策略。可以1:1、1:2、1:3等进行匹配，没啥固定说哪种比例好，慢慢试吧。多说一
Jet4505·2023-06-09 17:35

第34步 机器学习实战DLC：不平衡数据处理（上）

失踪人口回归的第一期，来说一说不平衡数据。一、不平衡数据的概念什么是不平衡数据？我们先来看看小Chat怎么说的：顾名思义，就是你的因变量1和0的样本数差距有点大，大到影响了模型性能。举个栗子，一个盒子里有100个红球，10个黄球，我们随机盲抽一个球，然后猜颜色，你会怎么猜？是不是无脑猜红球就得了。这么训练的话，模型永远达不到我们的要求。二、不平衡数据的处理处理的其实方法挺多的，首先看看小Chat怎
Jet4505·2023-06-09 17:05

机器学习实战笔记（一）机器学习基础

什么是机器学习？机器学习能让我们从数据集中受到启发。我们会利用计算机来彰显数据背后的真实含义，这才是机器学习的真实含义。机器学习就是把无序的数据转换成有用的信息。可以这么说，机器学习对于任何需要解释并操作数据的领域都有所裨益。机器学习领域的关键术语下表是用于区分不同鸟类需要使用的四个不同的属性值。现实中，你可能会想测量更多的值。通常的做法是测量所有可测属性，然后再挑选出重要部分。上面测量的这四种值
三千侵天·2023-06-09 00:52

《PyTorch高级机器学习实战》包邮送书三本

这里给大家推荐一本书籍：《PyTorch高级机器学习实战》本书主要介绍的是机器学习领域经典的算法内容，以及相
袁袁袁袁满·2023-06-06 21:16

【社区图书馆】读书推荐：《PyTorch高级机器学习实战》

读书推荐：《PyTorch高级机器学习实战》作者：i阿极作者简介：Python领域新星作者、多项比赛获奖者：博主个人首页如果觉得文章不错或能帮助到你学习，可以点赞收藏评论+关注哦！
i阿极·2023-04-21 17:54

机器学习实战 - 第4章 基于概率论的分类方法：朴素贝叶斯

一、基于贝叶斯决策理论的分类方法朴素贝叶斯的优点：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。使用数据类型：标称型数据(一般在有限的数据中取，而且只存在是和否两种不同的结果)。朴素贝叶斯是贝叶斯决策理论的一部分。贝叶斯决策理论：假设有一个数据集，它由两类数据组成，在判断具体数据属于哪个类别时，会选择高概率对应的类别。这就是贝叶斯决策理论的核心思想，即选择具
算法星球·2023-04-21 07:21

机器学习实战5-天气预测系列:利用数据集可视化分析数据，并预测某个城市的天气情况

大家好，我是微学AI，最近天气真的是多变啊，忽冷忽热，今天再次给大家带来天气的话题，机器学习实战5-天气预测系列，我们将探讨一个城市的气象数据集，并利用机器学习来预测该城市的天气状况。
微学AI·2023-04-21 04:44

机器学习实战：Python基于DT决策树模型进行分类预测（六）

文章目录1前言1.1决策树的介绍1.2决策树的应用2Scikit-learn数据集演示2.1导入函数2.2导入数据2.3建模2.4评估模型2.5可视化决策树2.6优化模型2.7可视化优化模型3讨论1前言1.1决策树的介绍决策树（DecisionTree，DT）是一种类似流程图的树形结构，其中内部节点表示特征或属性，分支表示决策规则，每个叶节点表示结果。在决策树中，最上方的节点称为根节点。它学习基于
Bioinfo Guy·2023-04-20 22:31

机器学习实战：Python基于LDA线性判别模型进行分类预测（五）

文章目录1前言1.1线性判别模型的介绍1.2线性判别模型的应用2demo数据演示2.1导入函数2.2训练模型2.3预测模型3LDA手写数字数据演示3.1导入函数3.2导入数据3.3输出图像3.4建立模型3.5预测模型4讨论1前言1.1线性判别模型的介绍线性判别模型（LinearDiscriminantAnalysis，LDA）是一种经典的监督学习算法，它旨在通过学习输入特征和它们所属类别之间的线性
Bioinfo Guy·2023-04-20 22:01

机器学习实战：Python基于DT决策树模型进行分类预测（六）

文章目录1前言1.1决策树的介绍1.2决策树的应用2Scikit-learn数据集演示2.1导入函数2.2导入数据2.3建模2.4评估模型2.5可视化决策树2.6优化模型2.7可视化优化模型3讨论1前言1.1决策树的介绍决策树（DecisionTree，DT）是一种类似流程图的树形结构，其中内部节点表示特征或属性，分支表示决策规则，每个叶节点表示结果。在决策树中，最上方的节点称为根节点。它学习基于
Bioinfo Guy·2023-04-20 22:24

关于机器学习

1.现在的机器学习和深度学习实际上也不高明，机器学习可以用机器学习实战入门，数学要求不会高，但要理解精髓是比较困难的。
遇见我是你最大的运气·2023-04-20 07:36

机器学习实战——特征工程+xgboost股票预测

前言用上证50只股票的以上特征训练xgb模型预测当天的close。代码见文末["open","high","low","volume","price_change","ma5","ma10","ma20","p_change","v_ma5"
只会git clone的程序员·2023-04-19 17:57

【一起啃书】西瓜书（一）

希望通过b站视频课【一起啃书】机器学习西瓜书白话解读来认真读西瓜书，以下是对视频中的重点记录，以及课后自己看书得到的感悟和记录视频学习笔记学习资源：b站李沐老师的论文精读《西瓜书》《南瓜书》《机器学习实战
反科研pua所所长·2023-04-18 17:14

深度学习入门路径

基础（深度之眼课程）[5d]2.数学基础（深度之眼课程）[10d]基础课程不限于此，资源较多，可自行选择机器学习部分1.吴恩达机器学习（B站资源）+机器学习图解笔记（up主：深度碎片）[20d]@2.机器学习实战
或跃在渊_NUE·2023-04-18 11:15

Python实现哈里斯鹰优化算法(HHO)优化Catboost分类模型(CatBoostClassifier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·2023-04-18 08:18

Python实现哈里斯鹰优化算法(HHO)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·2023-04-18 08:15

机器学习实战：Python基于支持向量机SVM-RFE进行分类预测（三）

文章目录1前言1.1支持向量机的介绍1.2支持向量机的应用2demo数据集演示2.1导入函数2.2构建数据集拟合2.3预测模型及可视化3实例演示分类（非SVM）3.1导入函数和数据3.2简单线性分类3.3最大间隔决定分类4实例演示分类（SVM）4.1主角登场4.2软间隔4.3超平面5讨论1前言1.1支持向量机的介绍支持向量机（SupportVectorMachine，SVM）是一种监督学习的分类算
Bioinfo Guy·2023-04-17 20:21

机器学习实战：Python基于K近邻KNN进行分类预测（四）

文章目录1前言1.1K近邻的介绍1.2K近邻的应用2二维数据集演示2.1导入函数2.2导入数据2.3训练模型及可视化3莺尾花数据集全数据演示3.1导入函数3.2导入数据3.3训练模型及预测4模拟数据集演示4.1导入函数4.2模拟数据集4.3建模比较5马绞痛数据+pipeline演示5.1下载数据集5.2导入函数5.3填充空值5.4建模计算6讨论1前言1.1K近邻的介绍K近邻（K-NearestNe
Bioinfo Guy·2023-04-17 20:21

机器学习实战——SVD

文章目录1SVD的应用1.1隐性语义索引1.2推荐系统2矩阵分解3利用Python实现SVD4基于协同过滤的推荐引擎5总结1SVD的应用优点：简化数据，去除噪声，提高算法的结果。缺点：数据的转换可能难以理解。适用数据类型：数值型数据。应用隐性语义索引推荐系统1.1隐性语义索引在LSI中，一个矩阵是由文档和词语组成的。当我们在该矩阵上应用SVD时，就会构建出多个奇异值。这些奇异值代表了文档中的概念或
SKYWALKERS_2397·2023-04-17 14:41

机器学习实战（2）——端到端的机器学习项目

目录1框架问题2选择性能指标2.1均方根误差（RMSE）2.2平均绝对误差（MAE）3获取数据4创建测试集5从数据探索和可视化中获得洞见5.1将地理数据可视化5.2寻找相关性5.3试验不同属性的组合6机器学习算法的数据准备6.1数据清理6.2处理文本和分类属性6.3特征缩放6.4转换流水线本篇中，我们将学习一个端到端的项目案例，假设我们是一个房地产公司新雇佣的数据科学家，以下是我们将会经历的主要步
WHJ226·2023-04-17 11:47

机器学习实战-支持向量机原理、Python实现和可视化（分类）

支持向量机（SVM）广泛应用于模式分类和非线性回归领域。SVM算法的原始形式由VladimirN.Vapnik和AlexeyYa提出。自从那以后，SVM已经被巨大地改变以成功地用于许多现实世界问题。1.什么是支持向量机（SVM）？支持向量机是一种有监督的机器学习算法，可用于分类和回归问题。它遵循一种用核函数技巧来转换数据的技术，并且基于这些转换，它找到可能输出之间的最佳边界。简单来说，它做一些非常
statr·2023-04-14 07:45

Python实现哈里斯鹰优化算法(HHO)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·2023-04-14 01:43

Python实现哈里斯鹰优化算法(HHO)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·2023-04-14 01:12

Python实现哈里斯鹰优化算法(HHO)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·2023-04-14 01:04

Python实现LDA和SVM支持向量机人脸识别模型(LinearDiscriminantAnalysis和SVC算法)并通过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。1.项目背景人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。
胖哥真不错·2023-04-13 19:47

ApacheCN 机器学习视频教程

学习资源整合在点击跳转视频资源整合如下第一部分分类机器学习基础ApacheCN机器学习实战学习情况（2017-03-11@ML学习小组）ApacheCN-Sklearn0.19中文文档校验流程操作指南(
Spareribs·2023-04-13 08:30

机器学习实战：Python基于朴素贝叶斯Bayes进行分类预测（二）

文章目录1前言1.1朴素贝叶斯的介绍1.2朴素贝叶斯的应用2iris数据集演示2.1导入函数2.2导入数据2.3训练模型2.4预测模型3模拟离散数据演示3.1导入函数3.2模拟/导入数据3.3训练模型3.4预测模型4原理补充说明4.1贝叶斯算法4.2朴素贝叶斯算法5讨论1前言1.1朴素贝叶斯的介绍朴素贝叶斯（NaiveBayes）是一种基于贝叶斯定理的分类算法，它假设各个特征之间相互独立，因此可以
Bioinfo Guy·2023-04-12 17:53

Python机器学习实践（一）多项式拟合（简单房价预测）

Python机器学习学习笔记与实践环境：win10+Anaconda3.8例子一源自《Python与机器学习实战》—何宇健任务：现有47个房子的面积和价格，需要建立一个模型对房价进行预测。
AiTingDeTong·2023-04-12 08:48

B.机器学习实战系列[一]：工业蒸汽量预测（最新版本下篇）含特征优化模型融合等

工业蒸汽量预测（最新版本下篇）文末有免费算力领取，助力项目，以及本地端码源5.模型验证5.1模型评估的概念与正则化5.1.1过拟合与欠拟合###获取并绘制数据集importnumpyasnpimportmatplotlib.pyplotasplt%matplotlibinlinenp.random.seed(666)x=np.random.uniform(-3.0,3.0,size=100)X=x
汀、人工智能·2023-04-12 07:14

机器学习实战07：线性回归、岭回归、套索回归、逐步回归等

-用线性回归找到最佳拟合直线优点：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。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。-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，标称型数据将被转成二值型数据。(3)分析数据：绘出数据的可视化二维图将有助于对数据做出理解和分析，在采用
Evil·2023-04-10 20:34

【综述】机器学习实战蓝皮书

1分类任务1.1心脏病预测【ML】基于机器学习的心脏病预测研究(附代码和数据集，逻辑回归模型)【ML】基于机器学习的心脏病预测研究(附代码,lightgbm模型)【ML】基于LSTM的心脏病预测研究(附代码和数据集，系列1，单向LSTM，1×13数据视角)【ML】基于LSTM的心脏病预测研究(附代码和数据集，系列2，单向LSTM，13×1数据视角)【ML】基于机器学习的心脏病预测研究(附代码和数据
机器不学习我学习·2023-04-10 15:04

Python实现GWO智能灰狼优化算法优化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·2023-04-10 14:19

Python实现贝叶斯优化器(Bayes_opt)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·2023-04-10 14:18

Python实现GWO智能灰狼优化算法优化XGBoost分类模型(XGBClassifier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·2023-04-10 14:18

Python实现哈里斯鹰优化算法(HHO)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·2023-04-10 14:11

机器学习实战----使用Python和Scikit-Learn构建简单分类器

前言：Hello大家好，我是Dream。今天来学习一下如何使用Python和Scikit-Learn构建一个简单的分类器本文目录：一、介绍二、数据集三、分析四、评估五、预测六、结论好书推荐：一、介绍今天我们将学习使用Python和Scikit-Learn创建一个简单的文本分类器来识别垃圾邮件。我们将先介绍数据集，并通过可视化和数据预处理方式更好地理解数据集。接着，我们将选择一个算法并使用训练集拟合
是Dream呀·2023-04-09 06:31

torch.repeat()与numpy.repeat()和 numpy.tile()比较

参考文献：Python高手修炼之道数据处理与机器学习实战许向武著importtorchimportnumpyasnp###np.repeat()na=np.arra
tpz789·2023-04-09 05:11

朴素贝叶斯分类算法的sklearn实现

1、背景《机器学习实战》当中，用python根据贝叶斯公式实现了基本的分类算法。现在来看看用sklearn，如何实现。还拿之前的例子，对帖子的分类。
笨笨的简书·2023-04-08 16:24

Python实现GWO智能灰狼优化算法优化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·2023-04-07 18:38

Python实现哈里斯鹰优化算法(HHO)优化循环神经网络分类模型(LSTM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·2023-04-07 18:38

Python实现哈里斯鹰优化算法(HHO)优化支持向量机分类模型(SVC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·2023-04-07 18:37
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他