sklearn
关注
分享
扫一扫
关于sklearn
Muasci
keep open
keep real
keep smiling
不要忘记命运掌握在自己的手里，确保做的每一件事，都是自己选择去做的，成为时间这敌人的主宰，成为自己的存在。记得常怀愤怒，并把它转化成热情，选择一切、拥抱一切、坚持一切、把一切视作敌人、战胜一切。<----曾经的发言( ╯□╰ )
展开
-
sklearnpreprocessing中scale和standardscaler的区别是什么
前言: 想要给一组特征集进行标准化处理的时候，发现以下两者都可以。import sklearn.preprocessingpreprocessing.scale(X) # X是特征集合from sklearn.processing import StandardScalerStandardScaler().fit_transform(X)看了某篇文章知道：两者都是标准化特征处理的方法...原创 2020-03-14 21:20:57 · 699 阅读 · 0 评论 -
standard、L1范式、线性回归(for fun)
想着standard是对数据进行预处理，那我可以选择预处理或者不预处理用L1范式对特征集进行拟合，可以得到一个稀疏的权重(里面有很多0)0代表该特征不重要，那我想试试用这个权重来预测模型，会有怎样的效果小白…暂时只用过线性回归模型，也可以拟合得到一个coef 和 intercept,想看看效果怎样第一块:没有预处理，用的是线性回归得到的参数第二块:没有预处理，用的是L1范式返回的参数第三...原创 2020-03-14 01:55:20 · 242 阅读 · 0 评论 -
from sklearn.linear_model import LinearRegression
前言：在线性回归中相关指数R2表示线性方程的拟合程度，拟合程度越高越好TSS(Total Sum Of Square)表示总体平方和ESS(Explained Sum Of Square)表示回归平方和RSS(Residual Sum Of Square)表示残差平方和三者关系为TSS = ESS + RSS具体公式引用参考博客中的式子:简单理解成，如果测试结果离回归线越近，也就...原创 2020-03-14 01:46:20 · 11367 阅读 · 0 评论