机器学习实践第2页

Python高光谱遥感数据处理与机器学习实践技术丨Matlab高光谱遥感数据处理与混合像元分解

目录Python高光谱遥感数据处理与机器学习实践技术第一章高光谱基础第二章高光谱开发基础（Python）第三章高光谱机器学习技术（python）第四章典型案例操作实践Matlab高光谱遥感数据处理与混合像元分解第一章理论基础第二章

小艳加油·2023-06-15 16:19

【送书福利-第十二期】机工社Python与AI好书来袭！~

本文目录一、前言二、书籍介绍1、认识AI2、Python程序设计：人工智能案例实践3、机器学习Python版4、深度强化学习5、机器学习实践三、抽奖方式总结一、前言近来，人工智能聊天机器人ChatGPT

程序员洲洲·2023-06-15 01:44

python数据挖掘与机器学习实践技术

分析机器学习在应用时需要掌握的经验及编程技巧。通过实际案例的形式，介绍如何提炼创新点，以及如何发表高水平论文等相关经验。旨在掌握Python编程的基础知识与技巧、特征工程（数据清洗、变量降维、特征选择、群优化算法）、回归拟合（线性回归、BP神经网络、极限学习机）、分类识别（KNN、贝叶斯分类、支持向量机、决策树、随机森林、AdaBoost、XGBoost与LightGBM等）、聚类分析（K均值、D

科研小白新人上路·2023-06-14 09:09

学生成绩等级评定python_精品教学案例 | 利用分类模型预测学生成绩等级

本案例适合作为大数据专业数据科学导引或机器学习实践课程的分类模型章节的实践教学案例。通过本案例，能够达到以下教学效果：培养学生解决真实问题的能力。

weixin_39788740·2023-06-10 02:59

泰坦尼克号幸存者预测

本文所有的代码及数据均存放与https://github.com/MADMAX110/Titanic泰坦尼克号幸存者预测挑战赛是一个非常受欢迎的机器学习实践项目。

高自期许·2023-06-07 23:49

机器学习背景知识

机器学习实践。统计学习方法。吴达的机器学习。

小散哥·2023-06-07 11:03

【机器学习实践系列二】数据挖掘-二手车价格交易预测（含EDA探索、特征工程、特征优化、模型融合等）

note：项目链接以及码源见文末1.赛题简介了解赛题赛题概况数据概况预测指标分析赛题数据读取pandas分类指标评价计算示例回归指标评价计算示例EDA探索载入各种数据科学以及可视化库载入数据总览数据概况判断数据缺失和异常了解预测值的分布特征分为类别特征和数字特征，并对类别特征查看unique分布数字特征分析类别特征分析用pandas_profiling生成数据报告特征工程导入数据删除异常值特征构造

汀、人工智能·2023-04-18 15:41

《Python机器学习实践指南》——1.2　Python库和功能

本节书摘来异步社区《Python机器学习实践指南》一书中的第1章，第1.2节，作者：【美】AlexanderT.Combs，更多章节内容可以访问云栖社区“异步社区”公众号查看。

weixin_34234823·2023-04-13 22:00

Python3机器学习实践：集成学习之LightGBM

light.png本文为官方文档翻译，点击查看英文原版。LightGBM(LightGradientBoostingMachine)是微软的开源分布式高性能GradientBoosting框架，使用基于决策树的学习算法。下面介绍下此框架的优化。1、速度、内存方面的优化许多提升工具使用基于预排序的算法(近似直方图算法)（例如XGBoost中的默认算法）来进行决策树学习。这是一个比较简单的解决方案，但

AiFany·2023-04-13 10:28

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。1、获取和处理数据房子的面积与价格对应的数据点击下面获得：点击此处获取导入库，并读取文本文件的数据：importnumpyasnpimportmatplotlib.pyplotasplt#读取房子面积和对应的价格

AiTingDeTong·2023-04-12 08:48

机器学习--处理回归问题常用算法

下面的题都是来自于牛客网的面试宝典1.L1和L2正则化的区别在机器学习实践过程中，训练模型的时候往往会出现过拟合现象，为了减小或者避免在训练中出现过拟合现象，通常在原始的损失函数之后附加上正则项，通常使用的正则项有两种

Good@dz·2023-04-03 01:17

机器学习中模型优化不得不思考的几个问题

机器学习实践中，我们平时都在积累自己的“弹药库”：分类、回归、无监督模型、Kaggle上面特征变换的黑魔法、样本失衡的处理方法、缺失值填充……这些

美团技术团队·2023-04-02 15:42

100天机器学习实践之第7天

K—近邻分类算法(KNN)KNN是什么？K—近邻算法（简称KNN）是一种虽然简单但很常用的分类算法，也可用于回归分析。KNN是非参数的（它不对底层数据分布做出任何假设），基于实例（我们的算法不会明确建立学习模型，相反，它选择记住训练实例）并使用在监督学习环境中。KNN如何工作？KNN用于分类——输出是类别之一（离散值）。这个方法有三个因素很关键：已经分好类的训练集，每条单个记录之间的距离，以及K值

fanzhh·2023-04-02 03:13

机器学习实践笔记(二)EOF

1、简单介绍:EOF是一种分析矩阵数据中的结构特征，提取主要数据特征量的一种方法。EOF又名PCA.(嘿嘿先这么想,其实在python里就一个函数鸭,PCA可以额外写一篇进行解释,这里只写一下应用啦)。Lorenz在1950年代首次将其引入气象和气候研究。2、原理选定要分析的数据，进行数据预处理，通常处理成距平的形式。得到一个数据矩阵Xm×n.数据大概就是这样的:这个原出处我也没找到,就是给大家看

南巷旧梦·2023-04-01 14:28

机器学习实践（十七）—sklearn之无监督学习-K-means算法

一、无监督学习概述什么是无监督学习之所以称为无监督，是因为模型学习是从无标签的数据开始学习的。无监督学习包含算法聚类K-means(K均值聚类)降维PCA二、K-means原理K-means聚类步骤随机设置K个特征空间内的点作为初始的聚类中心对于其他每个点计算到K个中心的距离，未知的点选择最近的一个聚类中心点作为标记类别接着对着标记的聚类中心之后，重新计算出每个聚类的新中心点（平均值）如果计算得出

泡泡码客·2023-03-31 17:20

Transformer - layer norm

Covariateshiftisthechangeinthedistributionofthecovariatesspecifically,thatis,theindependentvariables.在机器学习实践中

DecafTea·2023-03-30 20:16

机器学习实践指南：案例应用解析（第二版）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：ti7d机器学习实践指南:案例应用解析(第2版)是一本机器学习实践指南，由麦好编著。全书分为准备篇、基础篇、统计分析实战篇和机器学习实战篇。

胡萝卜须_aee2·2023-03-27 13:33

机器学习实践——人员越界识别（基于Aidlux+Yolov5实现）

一、人员越界识别背景描述实际生活中某些场景下需要配合摄像头自动识别危险区域，并在发现有人员闯入危险区域（禁止进入区域）时进行报警，确保员工的人身安全。二、算法目标识别指定区域是否有有人越过改区域，并进行生成相应报警逻辑。三、Aidlux与yolov5简介3.1Aidlux平台——一个跨平台应用的系统Aidlux是基于ARM架构的跨生态（Android/鸿蒙+Linux）一站式AIoT应用开发和部署

BLINK_9cfd·2023-03-23 11:27

Numpy/Pandas常用函数

Python列表函数二，Numpy常用函数1，生成数组2，描述数组属性3，常用统计函数4，矩阵运算5，其他常见操作三，Pandas常用函数补充前言Python作为一款面向对象，跨平台并开源的计算机语言，是机器学习实践的首选工具入门

码龄?天·2023-03-16 01:06

【机器学习实践】高斯朴素贝叶斯分类器

高斯朴素贝叶斯分类器的原理网上资料很多，主要原理有以下几点：中心极限定理（模型的训练过程）认为任何自然界中的现象，观测趋近于无穷次时某测量值满足高斯分布，因此可以通过对特征值序列取得平方差和均值的方法直接得出其表达式参数。如果一个序列的标准差为，均值为则其分布满足在训练模型时即计算出各个特征对应的均值和标准差，存储在模型中贝叶斯公式（模型的预测过程）其中包含多个特征，朴素贝叶斯的意思就是，认为各个

不给自己画饼·2023-03-13 07:30

windows所有版本列表_用Windows电脑训练深度学习模型？超详细配置教程来了

KaggleMaster及机器学习实践者Abhinand立足于自己的实践，给出了一种简单易行的Windows深度学习环境配置

weixin_39846898·2023-03-11 07:47

数据结构与算法学习、智能算法·2023-02-07 08:39

机器学习实践中的细节经验

以下是个人的一些想法，后面有时间还会持续更新（但是总是木有时间啊）。大多数预测值都比实测值成倍数的缩小或者扩大原由：迭代不充分，算法不收敛。归一化会缩小训练时长一个极端案例：预测未来16个点，5k数据量，transformer，归一化500迭代次数即可，不归一化，迭代3000次才收敛。评测指标mape的弊端对于实测值较小时不友好：需要对目标值划分区间，分开测评。随机森林回归、决策树回归和线性回归、

小时不识月123·2023-02-05 14:26

【阅读笔记】美团机器学习实践_5.2用户画像

用户画像：从海量的用户数据中，建模抽象出每个用户的属性标签体系，这些属性通常需要有一定的商业价值。用户图像数据挖掘：1.数据收集公司自有数据、互联网抓取的公开数据、第三方数据等2.特征计算特征爬虫：给出数据样本后，自动扫描结构化的数据表，根据相关性指标找到和样本标签强相关的数据列，处理后加入特征库作为后续建模使用。3.特征库维护统一管理特征，方便新特征的生成和老特征的下线，保证特征质量，检测特征波

伶俐明华·2023-02-05 07:53

python 线性回归优化_Python机器学习算法：线性回归

作者|VagifAliyev编译|VK来源|TowardsDataScience线性回归可能是最常见的算法之一，线性回归是机器学习实践者必须知道的。

weixin_39747341·2023-02-02 16:52

如何将Numpy加速700倍？用 CuPy 呀

借助于Numpy，数据科学家、机器学习实践者和统计学家能够以一种简单高效的方式处理大量的矩阵数据。那么Numpy速度还能提升吗？本文介绍了如何利用CuPy库来加速Numpy运算速度。

深度学习技术前沿·2023-02-01 09:32

把Numpy加速700倍？用 CuPy 吧！

借助于Numpy，数据科学家、机器学习实践者和统计学家能够以一种简单高效的方式处理大量的矩阵数据。那么Numpy速度还能提升吗？本文介绍了如何利用CuPy库来加速Numpy运算速度。

数据不吹牛·2023-02-01 09:24

机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第13章使用TensorFlow加载和预处理数据(Chapter13 Loading and Preproces

目前为止，我们只使用了能放在内存中的数据集，而深度学习往往使用非常大而无法放在RAM中的数据集。其它深度学习库可能对处理这种大型数据集比较棘手，但是TensorFlow很容易完成，这得归功于其数据API(DataAPI)，即只需创建一个数据对象，然后赋值其数据位置和转换方法即可。TensorFlow会处理好各种细节，例如多线程、队列、批处理等等。同时TensorFlow数据API与tf.keras

bigcindy·2023-01-31 10:24

机器学习实践：TensorFlow2 多GPU负载不均衡问题

问题运行时两个GPU负载不均，没有跑满，效率较低解决方法检查数据输入，保证瓶颈部分在GPU，而不是GPU在等待tf.data使用dataset.prefetch()，保证数据流及时进入模型map时使用num_parallel_calls参数增大batch_size

YueTann·2023-01-19 12:03

机器学习实践：气象数据分析-10

机器学习实践：气象数据分析1、实验描述本节实验主要是针对气象数据进行分析，从实验数据中分析温度、湿度、风力、风向等数据，再利用matplotlib进行绘图，直观展示分析结果，通过本节实验我们能够直观感受到

奔腾游子·2023-01-16 13:52

机器学习实践之scikit-learn：最小二乘法

OrdinaryLeastSquares(普通最小二乘法)线性回归用系数来拟合线性模型，来最小化观测得的数据集和线性模型估计值的均方误差。所解决的问题在数学上的表达为：线性回归将矩阵X，y作为方法fit的参数，将拟合的系数存放到coef_成员:>>>fromsklearnimportlinear_model>>>reg=linear_model.LinearRegression()>>>reg.f

空腹熊猫·2023-01-09 18:08

tensorflow linux多卡训练_用Windows电脑训练深度学习模型？超详细配置教程来了

KaggleMaster及机器学习实践者Abhinand立足于自己的实践，给出了一种简单易行的Windows深度学习环境配置流程。

weixin_39563823·2023-01-09 12:32

超详细配置教程，搭建 Windows 深度学习环境

KaggleMaster及机器学习实践者Abhinand立足于自己的

视学算法·2023-01-08 11:45

机器学习-SVM-SMO与SGD求解(附鸢尾花数据集实战，含代码）

代码SMO部分参考书籍为《机器学习实践》原理的整体认知：首先，我们认识到SVM其实就是求一个最优（超）平面的过程，说svm有三宝，间隔，对偶，核技巧间隔就是说要求得的平面距离所有点间隔最大，这是一个最优化问题

龙今天超越了自己·2022-12-31 12:19

【机器学习】在机器学习中处理大量数据！

作者：牧小熊，华中农业大学，Datawhale成员知乎｜https://zhuanlan.zhihu.com/p/357361005之前系统梳理过大数据概念和基础知识（可点击），本文基于PySpark在机器学习实践中的用法

风度78·2022-12-22 14:24

NO.61——100天机器学习实践第四天：python求解逻辑回归模型

其中，i是第几个样本，j是第几个特征其中，alpha是步长（学习率），后边是方向TheData我们将建立一个逻辑回归模型来预测一个学生是否被大学录取。假设你是一个大学系的管理员，你想根据两次考试的结果来决定每个申请人的录取机会。你有以前的申请人的历史数据，你可以用它作为逻辑回归的训练集。对于每一个培训例子，你有两个考试的申请人的分数和录取决定。为了做到这一点，我们将建立一个分类模型，根据考试成绩估

one named slash·2022-12-22 13:43

NO.62——100天机器学习实践第五天：用逻辑回归模型分析信用卡欺诈案例

importpandasaspdimportmatplotlib.pyplotaspltimportnumpyasnp%matplotlibinline#分类计数count_classes=pd.value_counts(data['Class'],sort=True).sort_index()count_classes.plot(kind='bar')plt.title("Fraudclassh

one named slash·2022-12-22 13:43

tensorflow linux多卡训练_用 Windows 电脑训练深度学习模型？超详细配置教程来了...

KaggleMaster及机器学习实践者Abhinand立足于自己的实践，给出了一种简单易行的Windows深度学习环境配置流程。本文将介

weixin_39702400·2022-12-20 00:46

NO.58——100天机器学习实践第一天：数据预处理

这是github上的一个给力的项目，地址在这：https://github.com/MLEveryday/100-Days-Of-ML-Code1.到入库importnumpyasnpimportpandasaspy2.导入数据集dataset=pd.read_csv('Data.csv')datasetX=dataset.iloc[:,:-1].values#[行，列]除最后一列元素取全部XY=

one named slash·2022-12-18 17:36

14天数据分析与机器学习实践之Day04(2)——数据可视化分析绘图总结

14天数据分析与机器学习实践之Day04(2)——数据可视化分析绘图总结1.单变量分析绘图1.1直方图(distplot)直方图又称质量分布图，它是表示资料变化情况的一种主要工具。

名功·2022-12-17 07:57

pandas.read_csv()报错OSError:Initializing from file failed

importosimportpandasaspdimportrequestsPATH='F:/MachineLearning/Python-Machine-Learning-Blueprints（python机器学习实践指南

Lizune·2022-12-13 18:04

04_线性神经网络_softmax回归笔记

3.4.softmax回归通常，机器学习实践者用分类这个词来描述两个有微妙差别的问题：（1）只对样本的硬性类别感兴趣，即属于哪个类别；（2）希望得到软性类别，即得到属于每个类别的概率。

等风来随风飘·2022-12-13 13:42

机器学习实践（四）——朴素贝叶斯算法解决垃圾邮件过滤问题

一、朴素贝叶斯算法概述朴素贝叶斯算法（NaiveBayesianalgorithm)是应用最为广泛的分类算法之一。朴素贝叶斯方法是在贝叶斯算法的基础上进行了相应的简化，即假定给定目标值时属性之间相互条件独立。也就是说没有哪个属性变量对于决策结果来说占有着较大的比重，也没有哪个属性变量对于决策结果占有着较小的比重。虽然这个简化方式在一定程度上降低了贝叶斯分类算法的分类效果，但是在实际的应用场景中，极

m0_63169186·2022-12-09 02:46

机器学习实践（五）——Logistic回归

一、概念logistic回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的概率等。二、原理1.梯度下降法梯度下降法(gradientdescent)是一种常用的一阶(first-order)优化方法，是求解无约束优化问题最简单、最经典的方法之一。我们来考虑一个无约束化问题，其中为连

m0_63169186·2022-12-09 02:10

机器学习实践入门（三）：优化算法和参数调节

本文参考自深蓝学院课程，所记录笔记，仅供自学记录使用优化算法和参数调节网络优化基础回顾等高线损失函数VS代价函数VS目标函数梯度和步长优化方案SGD家族学习率α\alphaα传统SGD算法的缺点SGD算法的改进方案SGDwithmomenturn（SGDM;动量SGD）SGDwithNAGAdaGradRMSpropAdam=SGD-M+RMSpropNadam=Adam+NAG梯度折断小结参数初

橘の月半喵·2022-12-08 18:34

机器学习实践：手写数字识别-2

机器学习实践：手写数字识别1、实验描述本节实验我们将利用k近邻算法对手写数字进行识别，通过python命令行构建k近邻算法函数，输入实验提供的数据，进行数据分类，查看分类结果和错误率。

奔腾游子·2022-12-08 17:04

汽车金融风控流程设计和机器学习实践

本次分享内容大纲：01.汽车金融风控流程设计汽车金融风控流程设计中需要关注的五个节点：获客、反欺诈、信用评估、额度、利率，整个风控流程的设计一直是围绕这几个点来设计的。除了上述几点，还需考虑俩个重要因素：数据的完整性：是指可获得的客户数据，包括银行征信数据，第三方数据等，来补充我们的评估维度，维度越丰富，对前端客户提交申请的资料依赖就会越少，这样就会简化我们的风控流程，提高审批效率。其次，数据完整

summer85·2022-12-08 10:18

机器学习实践：动物图片识别-1

机器学习实践：动物图片识别1、实验描述SVM（支持向量机）是一种常用的机器学习分类算法。

奔腾游子·2022-12-04 17:53

为什么要写《机器学习实践应用》这本书

预售地址：https://item.jd.com/12114501.html历经了10个月，《机器学习实践应用》这本书终于面世了。

Garvin Li·2022-12-01 11:04

机器学习实践：足球比赛聚类分析--11

机器学习实践：足球比赛聚类分析1、实验描述本实验利用K-Means聚类分析算法对足球比赛结果进行分析，该算法通过SprakMllib库来调用，我们将学习K-Means算法的K值选取，聚类原理等内容，理解聚类算法在实际业务中的应用场景实验时长

奔腾游子·2022-11-27 19:22

推荐频道

机器学习实践