- 博客(5)
- 收藏
- 关注
RSS订阅原创 Python机器学习库sklearn数据预处理，数据集构建，特征选择
注：当使用独热编码对数据集进行编码时，必须小心其会带来的多重共线性，对于某些方法这可能会带来问题（例如那些需要进行矩阵求逆的方法）。删除之后特征信息仍然得到保存，因为观察到另外几种特征为零，就可知余下的观察结果为被删除的一列。目前，将不同的特征缩放到相同的区间有两种常用的方法：归一化和标准化。我们发现，执行上面的代码之后，Numpy阵列X的第一列现在有了新的颜色值，其编码格式如下。多数情况下，归一化指的是将特征的值放到区间[0,1]，它是最小-最大缩放的一个特例。
2023-09-25 22:59:06
368
1
原创 DNN简介——西瓜数据集案例
最左边的是输入层，最右边的是输出层，中间是多个隐含层，输入层开始，从左往右计算，逐层往前直到输出层产生结果。如果结果值和目标值有差距，再从右往左算，逐层向后计算每个节点的误差，并且调整每个节点的所有权重，反向到达输入层后，又重新向前计算，重复迭代以上步骤，直到所有权重参数收敛到一个合理值。全连接神经网络（DNN）是一种多层无监督神经网络，并且将上一层的输出特征作为下一层的输入进行特征学习，通过逐层特征映射后，将现有空间样本的特征映射到另一个特征空间，以此来学习对现有输入具有更好的特征表达。
2023-09-13 22:05:05
2190
原创 机器学习常见无监督算法总结
无监督学习输入数据没有被标记，也没有确定的结果，样本数据类别未知，需要根据样本间的相似性对样本集进行分类。常用的无监督模型主要指各种聚类，主要有K均值聚类、层次聚类、密度聚类等。
2023-09-07 11:39:22
903
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人