AiTingDeTong的博客

Python机器学习 学习笔记与实践环境：win10 + Anaconda Python3.8该篇总结各类监督学习算法的实践使用方法朴素贝叶斯分类器scikit-learn中实现了三种朴素贝叶斯分类器：GaussianNB、BernoulliNB 和 MultinomialNB。GaussianNB 可应用于任意连续数据；BernoulliNB 假定输入数据为二分类数据；MultinomialNB 假定输入数据为计数数据。1、BernoulliNB的理解BernoulliNB 分类器计

Python机器学习 学习笔记与实践环境：win10 + Anaconda Python3.8该篇总结各类监督学习算法的实践使用方法1、二分类线性模型也广泛应用于分类问题。我们首先来看二分类。这时可以利用下面的公式进行预测：ŷ = w[0] * x[0] + w[1] * x[1] + …+ w[p] * x[p] + b > 0如果函数值小于 0，我们就预测类别 -1；如果函数值大于 0，我们就预测类别 +1。对于所有用于分类的线性模型，这个预测规则都是通用的。最常见的两种线性分类算

Python机器学习 学习笔记与实践环境：win10 + Anaconda Python3.8该篇总结各类监督学习算法的实践使用方法注：mglearn库在这个版本的Anaconda中没有，需要自己安装一下。步骤：打开Anaconda Prompt -->输入“pip install mglearn”，然后回车–>完成后输入“conda list”查看是否安装成功。1、线性回归（普通最小二乘法）首先对于最简单的情况，即对每个样本只有一个特征的数据集使用该算法，从而直观地理解。完整代码如

Python机器学习 学习笔记与实践环境：win10 + Anaconda3.8例子二 源自《Python机器学习基础教程》—Andreas C.Muller任务：鸾尾花的分类。鸾尾花有3个品种：setosa、versicolor、virginica。每种鸾尾花都有4个属性：花瓣的长度和宽度以及花萼的长度和宽度。现在要建立模型根据鸾尾花的4个属性来判断鸾尾花的种类，即分类问题。1、获取数据该数据集在scikit-learn的datasets模块中，我们用load_iris函数调用。#获取鸾尾花数

Python机器学习 学习笔记与实践例子一 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：import numpy as npimport matplotlib.pyplot as plt#读取房子面积和对应的价格数据x,y=[],[]for sample in open("此处为数据文本文件路径","r"): #文本