holysll的博客

本教程的代码和数据来自于 Springboard 的博客教程。本文的作者为 Jose Portilla，他是网络教育平台 Udemy 一门数据科学类课程的讲师。GitHub 链接：https://github.com/Rogerh91/Springboard-Blog-Tutorials/blob/master/Neural%20Networks%20/JMPortilla_SpringB...

scikit-learn提供了一些标准的数据集，例如用于分类的 iris 和digits数据集，用于回归的boston house prices数据集。在下文中，通过代码演示加载 iris 和 digits数据集。由于我电脑装的Anaconda,里面的是IPython2.7版本，若是python 3.5以上的，代码自行略微修改。# -*- coding: utf-8 -*-#从sklea

英文原地址：点击打开链接机器学习：问题设置    一般来说，学习问题考虑了一组n个数据样本，然后尝试测试未知数据的属性。如果每个样本多于单个数字，并且例如多维条目（也称为多变量数据），则称其具有多个属性或者特征。我们可以把学习问题分为以下几大类：·监督学习，其中数据中有我们想要预测的附加属性。数据的预测来自于对已有的数据进行分析，进而对新增的数据进行预测。可以分为以下两类：

    预测是人们根据事物的发展规律、历史和现状，分析影响其变化的因素，对其发展前景与趋势的一种推测。    预测的方法分为定性预测、时间序列分析、因果关系预测：    （1）定性预测：根据人们对过去和现在的经验、判断和直觉进行预测，以人的主观逻辑判断为主，预测事物的发展方向、状态、形势等定性结果。该方法适用于缺乏历史统计数据的对象。   （2）时间序列分析：根据对象随着时间变化的历史...

BP网络（Back-Propagation Network）是1986年由Rumelhart 和 McCelland 为首的科学教小组提出的，是一种按误差逆向传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一，用于函数逼近、模型识别分类、数据压缩和时间欲裂预测等。 BP网络又称反向传播神经网络，它是一种有监督的学习算法，具有很强的自适应、自学习、非线性映射能力，能较好...