heroybc的博客

【代码】【机器学习】非矩阵分解与流行学习。

【代码】【机器学习】无监督学习与预处理-预处理与缩放\主成分分析。

【代码】【机器学习】聚类算法的对比与评估\基于密度空间聚类。

【代码】【机器学习】监督学习算法-神经网络与不确定度。

#十个特征，4类动物animal = ['鸡','鸭','鱼','狗']dict_feature = {'1':'有羽毛','2':'不会飞','3':'会下蛋', '4':'吃肉','5':'有犬齿','6':'有爪', '7':'有鱼鳞','8':'会游泳','9':'有鳃', '10':'跑得快'} dog_fe...

需要在github上下载相关数据集，下载整个包，在data中找到ram_prices.csv即可。

【代码】【机器学习】监督学习算法-二分类\多分类\回归\K邻近\威斯康辛乳腺癌\波士顿房价。

该数据集其实是已经经过多次检验过的经典的数据集，并不需要检查数据这个步骤。一种可视化的方法是绘制散点图矩阵，数据散点图矩阵将一个特征作为x轴，另一个特征作为y轴，两两查看所有特征。之前我们已经将数据分为训练集和测试集了，训练集用于模型训练，而测试集用于模型评估，以精度来衡量模型的优劣，即对测试数据中的每朵鸢尾花进行预测，并将预测结果与标签进行对比，计算品种预测正确的花所占的比例。这里我们选择k近邻分类模型，k近邻算法中k的含义是，我们可以考虑训练集中与新数据点最近的任意k个邻居，而不是只考虑最近的那一个。