qq_37000327的博客

from matplotlib import pyplot as pltimport numpy as npfrom pylab import *mpl.rcParams['font.sans-serif'] = ['SimHei']def plot_acc_loss_curve(acc): plt.figure(figsize=(8, 8)) x = range(0, 101, 10) print(x) plt.xticks(x) plt.xlim(.

使用keras训练模型时，我们需要将图片分为训练集和验证集，下面是使用python实现的划分数据集的代码import osimport randomimport shutilfrom shutil import copy2dir_name = os.listdir("./data")def mk_dir(): #mkdir()--创建一级目录 makedirs()--创...

使用的数据集为creditcard.csv，先使用pandas读取数据集并查看下数据集的内容。# 读取数据集并查看数据属性data = pd.read_csv("creditcard.csv")print(data.head())图一观察上面的数据后，由于这是一个分类问题，所以说我们需要查看数据的类别分布是否是均衡的，如果不均衡则会影响分类的结果。由于绘制的图形不是很难，所以...

最近在学习深度学习，而在学习深度学习的时候想要使用显卡来对自己的代码进行训练的话就要安装cuda，对于cuda可以理解为显卡的驱动。博主使用的是win10系统，anaconda和vs2015已经安装完毕了，由于anaconda和vs2015安装的过程比较简单，就不做解释了。安装的第一步就是下载软件，我们需要下载的是cuda和cudnn，这两个软件到英伟达官网就可以下载，当然速度很慢，如果没...

最近几年来，神经网络算法大热。BP神经网络作为神经网络中入门级别的算法，是很有必要了解的。BP神经网络的作者大概是在生物神经元中得到了启发，通过算法模拟了神经元学习的过程以及连接方式，下面开始介绍BP神经网络。神经元神经元在结构是模拟了生物神经元的结构，我们知道的是生物神经元由树图输入信息，经过神经元的处理之后，由轴突输出信息，而神经网络算法中的神经元也是如此，不过名称要简化一下，输入...

朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。算法的核心思想就是比较概率的大小，认定概率大的类别为所属类别下面是公式推导下面是朴素贝叶斯的python代码实现import numpy as npfrom functools import reducedef loadDataSet(): """ 创建数据集 :return:postingList:实验样本切...

机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。（本文是个人的笔记，有些内容是引用）

概念特征预处理是什么呢？特征预处理是通过统计方法（数学方法）将数据转换成算法要求的数据，所以特征预处理也叫做数据预处理。下面是几种数据预处理的方法1、数值型数据：标准缩放：1、归一化2、标准化2、类别型数据：one-hot编码   3、时间类别：时间的划分下面介绍归一化和标准化归一化归一化特点：通过对原始数据进行变换把数据映射到（默认在[0,1]）之

sklearn中决策树的API使用kaggle上数据数据源下面是使用sklearn生成决策树的pythonimport pandas as pdfrom sklearn.feature_extraction import DictVectorizerfrom sklearn.model_selection import train_test_splitfrom sklearn.tree im...

决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。下面介绍分类决策树，分类决策树模型是一种描述对实例进行分类的树形结构。决策树由结点和有向边组成。结点有两种类型：内部节点和叶节点，内部节点表示一个特征或属性，叶节点表示一个类。 分类的时候，从根节点开始，...

什么是KNN算法的全称叫做K近邻算法，整体的思想可以理解为物以类聚，人以群分。其实很简单，假设有一个人住在一个城市的某个区，但是它自己不知道自己所在的去叫什么名字，不过他知道这个城市一共有ABCD4个区，并且他有很多朋友，他的这些朋友都知道自己在哪个区，所以他列出了自己家距离那些朋友家的距离是多少，并且从小到大排列好，接着他选了K个离自己最近的朋友，观察他们的所在区，最后计算了一下在这K个朋友中，...