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+bf(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 csvimport matplotlib.pyplot as pltfrom 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 pltfrom sklearn.datasets import load_irisfrom sklearn import treeiris = lo