sysu63的博客

首先，本文还是选用python里面自带的digits数据集from sklearn.datasets import load_digitsdigits=load_digits()大家都知道这个数据集是一些图片，我们对数据进行处理：#数据标准化from sklearn.preprocessing import StandardScalerscaler=StandardScaler()scale

首先读取数据，使用的是隐形眼镜数据集。进行数据预处理。import numpy as npfrom sklearn.feature_extraction import DictVectorizerdata = []labels = []with open("lenses.txt") as ifile: for line in ifile: rowD

回归首先理解回归与分类的区别：回归的y值是针对连续值的，而分类中的y值则为离散值。 下面介绍几种重要的回归线性回归通常回归可以写成这样的形式（两个变量）：hθ(x)=θ0+θ1x1+θ2x2hθ(x)=θ0+θ1x1+θ2x2{h_\theta }\left( x \right) = {\theta _0} + {\theta _1}{x_1} + {\theta _2}{x_2...

项目背景从银行提供的数据中，找出信用卡欺诈样本。数据简介原始数据为个人交易记录，但是考虑数据本身的隐私性，已经对原始数据进行了类似PCA的处理，现在已经把特征数据提取好了，接下来的目的就是如何建立模型使得检测的效果达到最好，所以我们虽然不需要对数据做特征提取。 数据规模：数据共284807条，后期算法选择需要注意复杂度。 数据特征：V1~V28是PCA的结果，而且进行了规范化，A...