qq_27802435的博客

scikit-learn中的各种衡量指标from sklearn.metrics import mean_squared_error #均方误差from sklearn.metrics import mean_absolute_error #平方绝对误差from sklearn.metrics import r2_score#R square#调用mean_squared_erro...

波士顿房价数据集（Boston House Price Dataset）包含对房价的预测，以千美元计，给定的条件是 房屋及其相邻房屋的详细信息。该数据集是一个回归问题。每个类的观察值数量是均等的，共有 506 个观察，13 个输入变量和1个输 出变量。下载网址：https://pan.baidu.com/s/16ekJ7Lzrm-dH1ObNgeRNmA密码：kcar下载下来的数据集...

 机器学习在各个领域都有广泛的应用，特别在数据分析领域有着深远的影响。决策树是机器学习中最基础且应用最广泛的算法模型。本文介绍了机器学习的相关概念、常见的算法分类和决策树模型及应用。通过一个决策树案例，着重从特征选择、剪枝等方面描述决策树的构建，讨论并研究决策树模型评估准则。最后基于 R 语言和 SPSS Modeler这两个工具，分别设计与实现了决策树模型的应用实例。1.机器学习概念   机器学...

随机森林1.随机森林原理： 随机森林由Leo Breiman（2001）提出的一种分类算法，它通过自助法（bootstrap）重采样技术，从原始训练样本集N中有放回地重复随机抽取n个样本生成新的训练样本集合训练决策树，然后按以上步骤生成m棵决策树组成随机森林，新数据的分类结果按分类树投票多少形成的分数而定。其实质是对决策树算法的一种改进，将多个决策树合并在一起，每棵树的建立依赖于独立抽取的样本。 ...

决策树一、  决策树优点1、决策树易于理解和解释，可以可视化分析，容易提取出规则。2、可以同时处理标称型和数值型数据。3、测试数据集时，运行速度比较快。4、决策树可以很好的扩展到大型数据库中，同时它的大小独立于数据库大小。二、决策树缺点1、对缺失数据处理比较困难。2、容易出现过拟合问题。3、忽略数据集中属性的相互关联。4、ID3算法计算信息增益时结果偏向数值...

MLP(多层神经网络)    MLP是感知器的推广，克服了感知器不能对线性不可分数据进行识别的弱点。神经网络流程分为前向过程和反向过程，反向过程一般用于训练。每个神经元上面都有对于一个输入的权值，以及一个偏置，还有一个激活函数。所以一个前向过程的流程就是input输入，然后经过一层神经元运算，得到输出，然后第一层的输出作为第二层的输入，运算，得到第二层的输出…直到到输出层运算，然后得到结果...

 TSNE降维      降维就是用2维或3维表示多维数据（彼此具有相关性的多个特征数据）的技术，利用降维算法，可以显式地表现数据。（t-SNE）t分布随机邻域嵌入 是一种用于探索高维数据的非线性降维算法。它将多维数据映射到适合于人类观察的两个或多个维度。 python代码km.py#k_mean算法import pandas as pdimport csvimport...

NLP (Natural Language Processing) 是人工智能（AI）的一个子领域。 自然语言是人类智慧的结晶，自然语言处理是人工智能中最为困难的问题之一，而对自然语言处理的研究也是充满魅力和挑战的。 理论上，NLP是一种很吸引人的人机交互方式。早期的语言处理系统如SHRDLU，当它们处于一个有限的“积木世界”，运用有限的词汇表会话时，工作得相当好。这使...