python与机器学习

从零开始学人工智能(1)--Python · 神经网络（零）

作者：射命丸咲Python与机器学习爱好者知乎专栏：https://zhuanlan.z
R3eE9y2OeFcU40·2020-06-22 04:46

待遇35K！阿里腾讯面试贴，都总结到这几个公众号中了

今天认真为大家推荐的公众号，包括：人工智能领域头部大号；关于程序员成长的程序员最幽默，程序员面试宝典，涵盖阿里，头条，百度，美团面试经验和题目分享几个Python与机器学习为主的公号；Python数据分析和量化交易相关的几个号主人工智能爱好者社区专注人工智能
算法channel·2020-06-21 14:43

python与机器学习（四.线性回归原理）

主要思想：根据现有的数据对分类边界线建立回归公司，以此进行分类。我们给定由d个属性描述的示例X=(X1;X2;X3;.....;Xd),其中Xi是X在第i个属性上的取值，线性模型试图学得一个通过属性的线性组合来进行预测的函数，即F(X)=w1x1+w2x2+...+b,一般用向量形式写成F(X)=wTX+b,其中w=(w1;w2;....;wd),w和b学得之后，模型就得以确定了,那怎样去确定呢？
眼君·2020-04-03 10:21

python与机器学习（二.决策树与随机森林）

香农熵变量的不确定性越大，熵也就越大，把它搞清楚所需要的信息量也就越大。例如，在一个数据集dataset中，dataset=[[1,1,'yes'],[1,1,'yes'],[1,0,'no'],][0,1,'no'],[0,1,'no']],在数据集dataset中随机挑一个实例，挑出标签值为'yes'的概率为0.4，挑出标签值为‘no’的概率为0.6,这个数据集的熵值计算为-0.6*log(0
眼君·2020-03-28 15:57

程序员进阶必备的图书推荐(免费赠电子版)

本篇我会从几个方面来说一下：设计模式、基础知识、关于python与机器学习、养生。在下认为这两个部分涵盖的东西非常的广泛，但还是程序员必备的
显生宙·2020-03-27 16:31

书单丨5本书带你走进Python与机器学习的世界

基于大数据的人工智能如今异常火爆Python作为最热门的编程语言之一是实现机器学习算法的首选语言Python与机器学习这一话题非常的宽广5本书虽很难覆盖全面，但仍值得细细研读1.
博文视点·2020-03-26 16:30

python与机器学习（六.支持向量机SVM）

超平面与支持向量将数据集分隔开来的直线称为分隔超平面。如果数据点都在二维平面上，此时分隔超平面就只是一条直线。但是，如果所给的数据集是三维的，那么此时用来分隔数据的就是一个平面。显然，更高维的情况可以依次类推，1024维的数据集需要一个1023维的某某对象对数据进行分隔。这个1023维的对象就叫做超平面，也就是分类决策边界。而支持向量就是离超平面最近的那些点。最大间隔与分类器我们将分隔超平面的形式
眼君·2020-03-10 01:14

Python参数详解：什么是*args和**kwargs？

作者：HuangweiAI来源：Python与机器学习之路前言我们可能会遇到这样的Python函数定义:defa_function(*args,**kwargs):...一颗星号(*)已经两颗星号(**
IT农民工1·2020-02-24 18:00

python与机器学习（三.朴素贝叶斯）

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。适用数据类型：标称型数据。贝叶斯公式P(c/x)=P(x,c)/P(x)=P(x/c)P(c)/P(x)公式含义：左边P(c/x)表示在已知x条件下，c事件发生的概率。右边P(x,c)表示事件x,c同时成立的概率。贝叶斯公式分类的基本思想假设数据图上有个点(x,y),我们定义P1(x,y)为数据点(x,y)
眼君·2020-02-07 03:02

Python为什么成为人工智能的首选语言

前言之前一直都是在学习Python与机器学习，深度学习。但是究竟为什么在众多的编程语言中选择Python作为人工智能的首选语言呢我一直不得而知，今天就来以我的理解来梳理下吧。
王荣胜·2020-02-03 19:03

人人都爱数据科学家！Python数据科学精华实战课程

丘祐玮(DavidChiu)丘祐玮(DavidChiu)–大数软件(LargitData)创办人，是一位致力于提供舆情分析服务的创业者与数据科学家，熟悉Hadoop,Spark等大数据平台，及擅长使用R,Python
菜鸟学python·2019-12-25 12:21

2018-03-07

图像分析基本图像处理的基本流程实践：基于微博数据的人物信息的提取、清洗数据可视化1数据可视化简介2常用可视化方式与图表绘制3Matplolib4Seaborn5实践：基于微博数据的人物信息以及关系的数据可视化Python
HBU_DAVID·2019-12-19 18:55

待遇35K！阿里腾讯面试贴，都总结到这几个公众号中了

今天认真为大家推荐的公众号，包括：人工智能领域头部大号；几个Python与机器学习为主的公号；Python数据分析和量化交易相关的几个号主;前端、Java、数据库的几个号主；人工智能爱好者社区专注人工智能
Wang_AI·2019-10-07 17:00

1-Python与机器学习入门

原文链接：https://my.oschina.net/pansy0425/blog/30997511.1机器学习绪论（1）什么是机器学习？机器学习是一种让计算机利用数据而非指令来进行各种工作的方法。机器学习是一个计算机程序，针对某个特定的任务，从经验中学习，且越做越好。机器学习在统计理论下的、比较深刻的本质：它追求的是合理的假设空间（HypothesisSpace）的选取和模型的泛化（Gener
chuiai8582·2019-08-30 13:00

02 二分法迭代求零点

感谢Python与机器学习算法频道。接着来学二分法迭代求零点。
dz4543·2018-12-26 22:19

《python与机器学习实战》笔记(一)

机器学习追求的是合理的假设空间的选取和模型的泛化能力。人生苦短，我用python。单纯的lambda表达式f=lambdax:pow(x,2)f(2)如上两行代码，定义一个lambda表达式f,输入参数为x，返回为x的平方机器学习的过程：获取与处理数据选择与处理数据评估与可视化结果importnumpyasnp importmatplotlib.pyplotasplt #Readdataset
芦金宇·2018-06-11 00:00

机器学习笔记之（5）——SVM分类器

大部分内容来自参考书籍以及个人理解，还请广大读者多多赐教主要参考资料如下：《机器学习实战》《Python机器学习》《机器学习Python实践》《Python机器学习算法》《Python大战机器学习》《Python
gwpscut·2018-05-22 00:00

书单丨被强化学习一次次伤害？本书单带你一步步入门！

强化学习是机器学习里非常重要的分支但由于其自身已形成庞大的体系同时需要多方面知识进行辅助让很多初学者望而生畏本书单从机器学习基础着手一步步带你入门强化学习NO.1《Python与机器学习实战：决策树、集成学习
博文视点·2018-05-14 17:55

【Python与机器学习 7-1】人工神经网络 ANN——MLP

神经网络基本组成神经网络由输入层（inputlayer），隐藏层（hiddenlayers），输出层（outputlayer）三部分组成，如下图。输入层（inputlayer）是由训练集的样本特征向量传入。每层由神经元（neuron）或单元（unit）组成。经过连接节点的权重（weight）传入下一层，上一层的输出是下一层的输入，一层中的加权求和，然后根据非线性方程转化为下一层的输入。即一个神经元
zxfhahaha·2018-05-04 15:26

Python与机器学习实战--学习笔记--第二章:朴素贝叶斯

Wiki--朴素贝叶斯分类器定义：是一系列以假设特征之间强（朴素）独立下运用贝叶斯定理为基础的简单概率分类器。贝叶斯定理
慢牛策略·2018-05-04 11:09

【Python与机器学习3-2】matplotlib数据分析常用图表的绘制

子图plt.subplots()在一张图里显示多个子图plt.subplots(几行，几列，第几幅图)保证子图中坐标范围一致使某个figure中的所有子图共享一个坐标轴的方法:加sharey前一个坐标轴ax1=plt.subplots(1,2,1)ax2=plt.subplots(1,2,2,sharey=ax1)绘制多个图fig,((ax1,ax2,ax3),(ax4,ax5,ax6))=plt
zxfhahaha·2018-04-11 17:16

从零开始学人工智能(3)--Python · 神经网络（二）· 层

作者：射命丸咲Python与机器学习爱好者知乎专栏：https://zhuanlan.z
R3eE9y2OeFcU40·2018-03-16 19:33

Python与机器学习之数据可视化(三)

python大牛们提供了非常牛逼的库—Matplotlib回顾Python与机器学习之数据可视化Python与机器学习之数据可视化(二)好文章详解图像组成Figure在matplotlib中，整个图像为
为了更好的明天·2017-11-15 11:55

Python与机器学习之实战(二)

Python与机器学习之生成学习算法(实战)回顾Python与机器学习之模型结构(生成学习算法二)Python与机器学习之模型结构(生成学习算法)好文章上章讨论了多项式事件模型(multinomialeventmodel
为了更好的明天·2017-11-15 00:00

Python输出csv、excel表格

Python与机器学习之数据可视化(二)在机器学习应用过程中，最重要的部分之一是数据可视化。换句话，如何说服别人或者自己？
为了更好的明天·2017-11-08 09:06

Python数组提取某一列元素

,[3,4]]#提取第一列元素print(group[:,1])#Out:TypeError:listindicesmustbeintegersorslices,nottupleNumpy转化参考——Python
为了更好的明天·2017-11-07 19:21

Python与机器学习之Numpy描述性统计

Python与机器学习之相关性(一)在机器学习应用过程中，遇到复杂的机器学习系统，往往是一个人或者一个团队去研究优化某个部分。
为了更好的明天·2017-11-07 16:47

Python与机器学习(二) Pandas库

Pandas是数据再加工过程中使用的最广泛的工具，它包含为使数据分析更加快速便捷而设计的高级数据结构与数据操作工具。Pandas基于NumPy开发，它不仅提供了很多方法和函数，使得处理数据更容易；而且它已经优化了运行速度，与使用Python内置函数进行数据处理相比，这个一个显著的优势。NumPy、SciPy和Pandas三者构成了Python科学计算的支柱。Series对象Series对象除了支持
EatAnApple·2017-10-30 18:58

Python与机器学习(二) Pandas库

Pandas是数据再加工过程中使用的最广泛的工具，它包含为使数据分析更加快速便捷而设计的高级数据结构与数据操作工具。Pandas基于NumPy开发，它不仅提供了很多方法和函数，使得处理数据更容易；而且它已经优化了运行速度，与使用Python内置函数进行数据处理相比，这个一个显著的优势。NumPy、SciPy和Pandas三者构成了Python科学计算的支柱。Series对象Series对象除了支持
EatAnApple·2017-10-30 18:58

Python与机器学习(一) NumPy与SciPy库

简介Python在科学计算方面提供了完备的程序扩展库，包括机器学习、数学分析、可视化库、GPU并行库等。Anaconda使得程序扩展库的管理非常方便，这个Python发行版本除了附带了ipython编程环境，也包含了200多个工具库：NumPy库，一个提供多维数组及矩阵运算功能的基础类库；SciPy库，在NumPy基础上添加众多科学计算所需的各种工具，它的核心计算部分是一些久经考验的Fortran
EatAnApple·2017-10-19 17:25

Python与机器学习(一) NumPy与SciPy库

简介Python在科学计算方面提供了完备的程序扩展库，包括机器学习、数学分析、可视化库、GPU并行库等。Anaconda使得程序扩展库的管理非常方便，这个Python发行版本除了附带了ipython编程环境，也包含了200多个工具库：NumPy库，一个提供多维数组及矩阵运算功能的基础类库；SciPy库，在NumPy基础上添加众多科学计算所需的各种工具，它的核心计算部分是一些久经考验的Fortran
EatAnApple·2017-10-19 17:25

Python与机器学习之数据可视化

matplotlib超快速入门在机器学习实际应用中，最关键的部分之一就是数据可视化，否则无论是调试还是总结，很容易懵逼。python提供了一个非常牛逼的库—matplotlibEnvironment:python3.5.4pycharm2017.2.3matplotlib公认的引用方法frommatplotlibimportpyplotasplt最常用的绘图散点图例如一系列点，x=[…],y=[…
为了更好的明天·2017-10-18 15:33

Python与机器学习之实战(一)

Python与机器学习之实战(一)话不多说，先亮图问题描述一组数据Xi=[xi0,xi1],i=1,2,...,m表示有两个输入特征影响 对应实际值Yi={0,1},i=1,2,...,m表示Yi要么是
为了更好的明天·2017-10-18 00:00

python与机器学习（五.Logistic回归）

然而线性回归的算法不但可以用来回归，还可以运用来进行处理分类，就是我们这节课要讲的Logistic回归。sigmoid函数sigmoid函数是一种阶跃函数，在数学上，如果实数域上某个函数可以用半开区间上的指示函数的有限次线性组合来表示，那么这个函数就是阶跃函数。而指示函数是定义在某个集合X上的函数，表示其中有哪些元素属于某一子集A。sigmoid函数具体计算公式如下：f(z)=1/(1+e**-z
眼君·2017-09-12 10:18

如何入门Python与机器学习

编者按：本书节选自图书《Python与机器学习实战》，Python本身带有许多机器学习的第三方库，但本书在绝大多数情况下只会用到Numpy这个基础的科学计算库来进行算法代码的实现。
csdn_csdn__AI·2017-09-04 15:37

python与机器学习（一.K-邻近算法）

什么是机器学习：利用计算机从历史数据中找出规律，并把这些规律用到对未来不确定场景的决策。算法分类：有监督学习：在训练数据中已经明确给出了数据的类型，例如分类算法。无监督学习：与无监督学习相反，例如聚类算法。半监督学习：K-近邻算法(KNN):存在一个样本数据集合（也称作训练样本集），并且每个数据都存在标签，即我们知道样本集中每一数据与所属分类都对应关系。输入没有标签都新数据后，将新数据都每个特征与
眼君·2017-09-03 11:14

人工智能之机器学习算法体系汇总

立志写“人工智能之机器学习”系列，此为开篇，主要梳理了机器学习方法体系，人工智能相关趋势，Python与机器学习，以及结尾的一点感恩。
阿里云云栖社区·2017-08-10 17:30

人工智能之机器学习算法体系汇总

立志写“人工智能之机器学习”系列，此为开篇，主要梳理了机器学习算法体系，人工智能相关趋势，Python与机器学习，以及结尾的一点感想。抱着一颗严谨学习之心，有不当之处欢迎斧正。
Mc顽固份子·2017-08-03 14:27

人工智能之机器学习算法体系汇总

立志写“人工智能之机器学习”系列，此为开篇，主要梳理了机器学习算法体系，人工智能相关趋势，Python与机器学习，以及结尾的一点感想。Github开源机器学习系
弓长壹次心·2017-07-31 15:04

第一章人工智能之机器学习算法体系汇总

立志写“人工智能之机器学习”系列，此为开篇，主要梳理了机器学习算法体系，人工智能相关趋势，Python与机器学习，以及结尾的一点感想。Github开源机器学习系列文章及算法源码
王小雷-多面手·2017-07-29 20:36

python与机器学习实战

第1章Python与机器学习入门1.1机器学习绪论1.1.1什么是机器学习1.1.2机器学习常用术语1.1.3机器学习的重要性1.2人生苦短，我用Python1.2.1为何选择Python1.2.2Python
lizhenxing5·2017-07-13 13:19

Python与机器学习2——决策树只有一个名字！

ID3、C4.5、C4.5Rule、CART还有衍生的随机森林……面对各种决策树算法，我们要做的是汲取各种树算法的优劣并在解决面临的问题时有机融合，不必较真不同形式的算法到底应该叫C4.5还是CART，关键还是决策树这种解决问题的基本思路，其他都是拓展与完善的技巧。所以，就决策树，一个名字。这里给出的是生成决策树的框架（都需要干嘛），具体细节书上写的很详，没必要放在博客里加长篇幅貌似copy得多就
I_am_Damon·2017-03-14 00:56

Python与机器学习（五）朴素贝叶斯分类

1.安装中文分词器由于本文是对中文文本进行分类，故需要用到中文分词器，而结巴分词则是Python支持较好的一款分词器。使用命令安装：pip3installjieba3k或者下载结巴分词文件【下载】结巴分词测试：结巴分词支持三种分词模式：精确模式，也是结巴分词的默认模式，可以将句子以最精确的方式分开；全模式，可以将句子中所有能够组成词语的词分割开来，速度较快，但有些词语并不正确；搜索引擎模式，该模式
monkey131499·2016-03-08 17:31

Python与机器学习（五）朴素贝叶斯分类

1.安装中文分词器由于本文是对中文文本进行分类，故需要用到中文分词器，而结巴分词则是Python支持较好的一款分词器。使用命令安装：pip3installjieba3k或者下载结巴分词文件【下载】结巴分词测试：结巴分词支持三种分词模式：精确模式，也是结巴分词的默认模式，可以将句子以最精确的方式分开；全模式，可以将句子中所有能够组成词语的词分割开来，速度较快，但有些词语并不正确；搜索引擎模式，该模式
monkey131499·2016-03-08 17:00

Python与机器学习（四）决策树

1.决策树概念：决策树经常用于处理分类问题，也是最经常使用的数据挖掘算法。决策树的一个重要任务是为了数据中所蕴含的知识信息，并从中提取一系列的规则，而创建这些规则的过程就是机器学习的过程。例如一个典型例子就是根据天气情况分类星期天是否适合打球。如果星期天的天气是晴天，温度很高，湿度很高，并且有很大的风，那么根据决策树的规则，这里是沿着最左侧的分支向下，最后判定为不打球。决策树从名字上看就可以知道这
monkey131499·2016-03-01 10:00

Python与机器学习（三）：K-近邻算法

1.K近邻算法概念K近邻算法（KNearestNeighbor算法，即KNN算法），是一个经典的机器学习算法，主要根据新数据与样本数据间的距离来判断所属类别。关于距离的测量通常采用以下几种方法：欧氏距离、曼哈顿距离、切比雪夫距离、余弦等。KNN算法的详细思想概念可以参看文章1和文章2.K近邻算法优缺点优点：精度高、对异常值不敏感、无数据输入假定；缺点：计算复杂度高、空间复杂度高。适用数据范围：数值
monkey131499·2016-02-25 21:00

Python与机器学习（二）：Windows下科学计算环境搭建

【注意：安装numpy和scipy模块时注意与Python版本保持一致】1.安装numpy首先安装好Python，我安装的是Python3.4，并配置好Python的环境变量，即在环境变量path中添加Python路径然后在终端输入：python-mpipinstall-Upip，等待安装完成，界面如下：安装完成后，在系统环境变量PATH中添加pip路径：Python目录下的script文件夹中【
monkey131499·2016-02-24 23:00

Python与机器学习（一）：简介

1.Python语言的优势1.Python的语法清晰2.易于操作纯文本3.使用广泛，存在大量开发文档2.开发机器学习应用程序步骤1.收集数据。常用的方法可以是网络爬虫从网站上抽取的数据、设备的实测数据、以及公开数据等。2.准备输入数据。对收集到的数据进行预处理，例如数据的格式。3.分析输入数据。主要是人工分析以前得到的数据，查看得到的数据是存在空值，并判断数据是否有可以识别出来的模式，另外还需要检
monkey131499·2016-02-23 22:00
上一页 1 2 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他