qq_45857607的博客

机器学习【系列】之第四章朴素贝叶斯模型第三章 朴素贝叶斯模型文章目录机器学习【系列】之第四章朴素贝叶斯模型前言一、朴素贝叶斯模型的算法原理二、朴素贝叶斯模型的简单代码实现案例分析：肿瘤预测模型1.读取数据2.划分特征变量和目标变量3.模型的搭建与使用总结前言本章主要讲解机器学习中朴素贝叶斯模型，先讲解朴素贝叶斯的算法原理和编程实现，然后通过一个经典案例-----肿瘤预测模型来巩固所学知识。一、朴素贝叶斯模型的算法原理1.一维特征变量下的贝叶斯模型 P(Y|X1) = P(X1|

机器学习【系列】之第五章K近邻算法第五章K近邻算法文章目录机器学习【系列】之第五章K近邻算法前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结一、K近邻算法的原理和代码实现二、K近邻算法的计算步骤1. K近邻算法的代码实现2.K近邻算法回归模型3.案例实战：手写数字识别模型（1）手写数字识别原理：（2）手写数字识别的代码实现（3）图像识别原理详解总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学

机器学习【系列】之第六章随机森林模型第六章随机森林模型随机森林模型机器学习【系列】之第六章随机森林模型前言一、随机森林模型的原理和代码实现1.集成模型简介2.随机森林模型的基本原理3.随机森林模型的代码实现二、使用步骤1.引入库2.读入数据总结前言本章将介绍集成学习模型，集成学习采用的其实就是这一思想：将多个模型组合在一起，从而产生更强大的模型。本章要讲解一个非常典型的集成学习模型-----随机森林模型，并通过一个金融领域的应用----股票涨跌预测模型来巩固所学知识。提示：以下是本篇文章

机器学习（入门）第二章 逻辑回归模型文章目录机器学习（入门）前言一、逻辑回归模型的算法原理二、逻辑回归模型的代码实现1.逻辑回归模型的代码实现2.逻辑回归模型的深入理解3.补充知识点：用逻辑回归模型处理多分类问题三、案例实战：客户流失预警模型1.案例背景2.数据读取与变量划分3.模型的搭建与使用四、模型评估方法：ROC曲线与KS曲线1.ROC曲线的基本原理2.混淆矩阵的Python代码实现3.案例实战：用ROC曲线评估客户流失预警4.KS曲线的基本原理5.案例实战：用KS曲线评估客户流失预警模型总结

机器学习提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章 Python 机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录机器学习前言一、线性回归算法1.一元线性回归二、线性回归的代码实现1.一元线性回归的代码实现（1）绘制散点图（2）引入Scikit-Learn库搭建模型（3）模型预测（4）模型可视化（5）线性回归方程构造2.案例实战：不同行业工龄与薪水的线性回归模型（1）读取数据（2）模型搭建+数据可视化（3）.