Alphy_Hongwu的博客

​ 线性回归可以说是机器学习的入门理论之一，想用代码实现线性回归模型，我们先来了解一下它的理论吧。 线性模型 ​ 线性模型（Linear model）试图学得一个通过属性的线性组合来进行预测的函数。 f(x)=w1x1+w2x2+...+wdxd+b向量形式：f(x)=wTx+b f(x)=w_1x_1+w_2x_2+...+w_dx_d+b\\ 向量形式：f(x)=w^Tx+b f(x)=w1​x1​+w2​x2​+...+wd​xd​+b向量形式：f(x)=wTx+b 线性回归（Linear R

【人工智能】【机器学习】：这篇博客带你读懂机器学习 ​ 博主这学期开了一门人工智能的课程，学了半学期大致对整个体系有了一定的了解。打算结合比较通俗易懂的B站up主【五分钟机器学习】的视频进行简单的阶段性总结. 一、机器学习的起点：线性回归（Linear Regression） 【五分钟机器学习】机器学习的起点：线性回归Linear Regression ​ 我们小学二年级的时候就学过y=

代码实现的目标： 输出正确率 如果有图片识别错误，且识别错误的图片多于10张，则绘制10张识别错误的图片以及该图片的真实label和预测label 如果识别错误的图片数量小于等于10张，则绘制所有识别错误的图片以及该图片的真实label和预测label 思路分析： 如果要用svm分析images中的手写数字图片。 首先要把图片转化成svm可以读取的格式，我们先将图片集处理为numpy数组。 我们需要把有限的数据集划分为训练集和测试集 对数据进行基本的转换之后，就可以用svm进行分

这次我们来系统的了解一下决策树DecisionTreeClassifier的实现和预测 整体需求包： csv、DictVectorizer、LabelBinarizer、DecisionTreeClassifier、numpy、graphviz、matplotlib、predict 导入需求包：(graphviz后面会用到) import csv import matplotlib.pyplot as plt from sklearn.feature_extraction import DictVector

需求包分析： 关键词：sklearn、DecisionTreeClassifier、iris数据、决策树 对应包：sklearn.tree.DecisionTreeClassifier、sklearn.datasets.load_iris、matplotlib.pyplot 分析完毕，实现代码如下 import matplotlib.pyplot as plt from sklearn.datasets import load_iris from sklearn import tree iris = lo