机器学习sklearn—调参笔记
关注
分享
扫一扫
监督学习与无监督学习，各类算法的应用实例。
404detective
没有学不会，只有学得晚。有问题欢迎私信。
闻道有先后，术业有专攻。
展开
-
机器学习 sklearn 监督学习 回归算法 多项式回归 Polynomial Regression
import numpy as npimport matplotlib.pyplot as pltfrom sklearn import linear_modelfrom sklearn.preprocessing import PolynomialFeaturesplt.rcParams['font.sans-serif']='SimHei'plt.rcParams['axes.unicode_minus']=Falsedata_x=[]data_y=[] f=ope...原创 2021-08-28 16:09:24 · 663 阅读 · 0 评论 -
机器学习 sklearn 监督学习 回归算法 岭回归 Ridge Regression
from sklearn.linear_model import Ridge,LinearRegressionfrom sklearn.model_selection import train_test_split import matplotlib.pyplot as pltimport numpy as np# 导入数据data_x=[]data_y=[] f=open('E:\Desktop\python_code\sklearn\课程数据\回归\prices.txt','r...原创 2021-08-28 16:08:20 · 1116 阅读 · 0 评论 -
机器学习 sklearn 监督学习 分类算法 KNN K-NearestNeighbor
from sklearn.neighbors import KNeighborsClassifier#创建一组一维数据 X 和它对应的标签 yX=[[0],[1],[2],[3]]y=[0,1,2,3]#使用最近的1个邻居作为分类的依据，得到分类器neigh = KNeighborsClassifier(n_neighbors=1)#将训练数据 X 和 标签 y 送入分类器进行学习neigh.fit(X, y)#调用 predict() 函数，对未知分类样本 [2.2] 分类，可以直接...原创 2021-08-28 16:06:35 · 210 阅读 · 0 评论 -
机器学习 sklearn 监督学习 分类算法 决策树 DecisionTree
#导入鸢尾花数据集、决策树分类器、计算交叉验证值的函数 cross_val_scorefrom sklearn.datasets import load_irisfrom sklearn.tree import DecisionTreeClassifierfrom sklearn.model_selection import cross_val_score#使用默认参数，创建一颗基于基尼系数的决策树，并将该决策树分类器赋值给变量 clfclf = DecisionTreeClassif...原创 2021-08-28 16:04:59 · 270 阅读 · 0 评论 -
机器学习 sklearn 监督学习 分类算法 朴素贝叶斯 Naive Bayesian Model
import numpy as npfrom sklearn.naive_bayes import GaussianNBX = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])Y = np.array([1, 1, 1, 2, 2, 2])#使用默认参数，创建一个高斯朴素贝叶斯分类器，并将该分类器赋给变量clfclf = GaussianNB(priors=None)clf.fit(X, Y)print(...原创 2021-08-28 16:03:52 · 161 阅读 · 0 评论 -
机器学习 sklearn 监督学习 回归算法 线性回归 Linear Regression
import numpy as npimport matplotlib.pyplot as pltfrom sklearn import linear_model#设置中文字体plt.rcParams['font.sans-serif']='SimHei'plt.rcParams['axes.unicode_minus']=False#设置自变量和因变量data_x=[] data_y=[] #读取数据f=open('E:\Desktop\python_code\sklear...原创 2021-08-25 23:22:11 · 209 阅读 · 0 评论 -
基于聚类算法 K-means的图像分割
import numpy as npfrom PIL import Imagefrom sklearn.cluster import KMeansdef lodaData(filePath): f = open(filePath, 'rb') data = [] img = Image.open(f) m, n = img.size for i in range(m): for j in range(n): ...原创 2021-08-23 23:30:58 · 868 阅读 · 4 评论 -
机器学习 sklearn 无监督学习 降维算法 NMF Non-negative Matrix Factorization
import matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfrom sklearn.datasets import make_blobsfrom sklearn.decomposition import NMFfrom sklearn.datasets import load_irisiris = load_iris()iris_X = iris.data #x有4个属性，共有150个样本点i...原创 2021-08-21 21:21:55 · 2169 阅读 · 1 评论 -
机器学习 sklearn 无监督学习 降维算法 PCA
import matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfrom sklearn.datasets import make_blobsfrom sklearn.decomposition import PCA# X为样本特征，Y为样本簇类别， 共1000个样本，每个样本3个特征，共4个簇X, y = make_blobs(n_samples=10000, n_features=3, center...原创 2021-08-21 10:42:28 · 1095 阅读 · 3 评论 -
机器学习 sklearn 无监督学习 聚类算法 DBSCAN
import numpy as npimport matplotlib.pyplot as pltfrom sklearn.cluster import DBSCANfrom sklearn.cluster import KMeansfrom sklearn import datasets# 生成数据x1, y1 = datasets.make_circles(n_samples=2000, factor=0.5, noise=0.05)x2, y2 = datasets.make_...原创 2021-08-17 17:57:02 · 1458 阅读 · 5 评论 -
机器学习 sklearn 无监督学习 聚类算法 K-means
import matplotlib.pyplot as pltfrom sklearn.datasets.samples_generator import make_blobsfrom sklearn.cluster import KMeans# 生成测试数据# X为样本特征，Y为样本簇类别，共1000个样本，每个样本2个特征，对应x和y轴，共4个簇，# 簇中心在[-1,-1], [0,0],[1,1], [2,2]， 簇方差分别为[0.4, 0.2, 0.2]X, y = make_bl..原创 2021-08-17 10:19:36 · 983 阅读 · 3 评论