qq_29462849的博客

介绍首先来直观看下所要分类的图像数据： 在这里一共是99种树叶，每种树叶包含16幅图像，因此训练集中一共1584幅图像。然而，我们不对图像直接操作，kaggle为每个图像提供三组特征：形状连续描述符，内部纹理直方图和细尺度边缘直方图。 对于每个特征，每个叶样本给出一个64属性的向量，因此，对于一幅图像来说，一共是64x3=192个向量。kaggle把每个训练图像转化成一个192维向量...

介绍这是一个相对简单而且有趣的分类案例，此次比赛意在区分食尸鬼、地精和灵魂。每种物体的特征由骨骼长度，腐烂的严重程度，头发长度，无灵魂的程度，颜色构成。详细内容请看下图： 由上图可以看出，这是一个典型的机器学习分类物体，下面来看下具体怎么实现吧！具体实现# -*- coding: utf-8 -*-#导入一些将会被用到的库import numpy as np # line...

前言当你在买房子的时候会考虑什么？房子的面积？地理位置？产权年限？是否有地下室？多少楼层？是否学区房？交通是否便利？周围设施是否完整？等等。。。没错，当你想要的要求越来越高时，房子的价格也会越来越高，那么如何根据不同的要求来预测房价呢？这就是该篇博文要讲的内容。感谢kaggle，可以让我们获得那么多的数据来建立模型~~~好了，其实要求很简单啦，就是根据房子不同的特征（包括面积、位置、产...

转自https://blog.youkuaiyun.com/lujiandong1/article/details/52654703#commentBox没有高质量的数据，就没有高质量的数据挖掘结果，数据值缺失是数据分析中经常遇到的问题之一。当缺失比例很小时，可直接对缺失记录进行舍弃或进行手工处理。但在实际数据中，往往缺失数据占有相当的比重。这时如果手工处理非常低效，如果舍弃缺失记录，则会丢失大量信息，使不完全观测数据与完全观测数据间产生系统差异，对这样的数据进行分析，你很可能会得出错误的结论。

介绍每年，约有760万个动物到达美国的动物收留所。 许多动物被他们的主人丢弃，而其它一部分是因为走失。 这些动物中的大多数都会找到永远的家庭并把它们带回家，但也有许多动物不那么幸运。 美国每年约有270万只狗和猫被安乐死。使用奥斯汀动物中心的摄入信息数据集，包括品种，颜色，性别和年龄，我们要求Kagglers预测每只动物的结果。我们也相信这个数据集可以帮助我们理解动物结果的趋势。 这些...