所爱隔山海

最近为了做数据挖掘的比赛，在不断学习python的这些库，同时学习机器学习的一些算法比如决策树的ID3，C4.5，CART三个算法，SVM，随机森林，梯度提升决策树算法…鉴于我对这些算法的理解还不够深入，因此还是先放我学习python库的代码。之后要实现一下底层，先实现一个ID3试试。 下面给出seaborn的示例代码： import numpy as np import pandas as pd...

python的机器学习的库确实好用，但是切记在使用的时候要懂算法本质与细节，不然调参全靠脸…学习完这些库之后我就要开始把算法底层实现一下，不能做个工具小子。 import numpy as np import pandas as pd from sklearn.model_selection import train_test_split from sklearn import preproces...

import numpy as np import pandas as pd from sklearn.metrics import mean_squared_error from sklearn.model_selection import train_test_split from sklearn import linear_model from sklearn.ensemble import...

参考https://www.cnblogs.com/csu-lmw/p/10661475.html 代码目前还有bug未修复 from math import exp import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.datasets import load_iris from ...

mat()函数与array()函数生成矩阵所需的数据格式有区别： mat()函数中数据可以为字符串以分号(；)分割，或者为列表形式以逗号（，）分割。而array()函数中数据只能为逗号。 2.mat()函数与array()函数生成的矩阵计算方式不同 (1) mat()函数中矩阵的乘积可以使用 * 或 .dot()函数。矩阵对应位置元素相乘需调用numpy.multiply()函数。 (2) ...

x=np.array([1,2,3,4,5,6,7,8,9,10,11,12]) print(x[1:5])#打印index为1~5的数组，范围是左闭右开 print(x[3:])#打印index=3之后的数组，包含index=3 print(x[:9])#打印index=9之前的数组，不包含index=9 print(x[1:-2])#打印index=1到倒数第2个index之间的数组 prin...

首先感谢https://blog.youkuaiyun.com/u012162613/article/details/41768407的分享！ 所谓KNN就是对那个你要预测的点，找出其k个邻居，也就是距离他最近的k个点，这k个样本中出现频率最高的类别即作为测试样本的类别。 那么，这个距离一般用什么来计算呢？ 一般有欧式距离、标准化欧式距离、马氏距离、余弦距离。 这里我们采用欧式距离： 即N维欧氏空间中两点x1...