u010824946的专栏

首先来一个大概的定义：监督学习：通过训练让机器自己找到特征和标签之间的联系（注：也就是学习的训练集包含输入和输出，得到了最优参数模型之后 ，新来的数据集在面对只有特征没有标签的情况下时，可以判断出标签）无监督学习：训练数据中只有特征没有标签，输入数据没有被标记，也没有确定的结果。样本数据类别未知，需要根据样本间的相似性对样本集进行分类。（注：不一定"分类"，没有训练集，旨在寻找规律性，不予...

先阐述一些概念性的东西（也是对之前的东西的回顾，记性不好，老忘）：回归问题与分类问题：回归：计算圆形面积的例子就属于回归问题，即我们的目的是对于一个输入x，预测其输出值y，且这个y值是根据x连续变化的值。分类：分类问题则是事先给定若干个类别，对于一个输入x，判断其属于哪个类别，即输出一般是离散的监督学习和无监督学习：监督学习：通过训练让机器自己找到特征和标签之间的联系（注：也就...

将一张图绘制在另一张图的内部：fig = plt.figure() # 新建画板axes1 = fig.add_axes([0.1, 0.1, 0.8, 0.8]) # 大画布axes2 = fig.add_axes([0.2, 0.5, 0.4, 0.3]) # 小画布# 大画布axes1.plot(x, y, 'r')# 小画布axes2.plot(y, x, 'g')...

注（百度百科案例）使用二维数据集和其他一些数据：散点图：import numpy as npimport matplotlib as mplimport matplotlib.pyplot as pltnp.random.seed(2000)y = np.random.standard_normal((1000,2))plt.figure(figsize=(7,5))pl...

注：百度百科案例首先，我们必须导入对应的库。主要的绘图函数在子库matplotlib.pyplotimport numpy as npimport matplitlib as nmlimport matplotlib.pyplot as plt%matplotlib inline注：%matplotlib inline是再使用jupyter notebook或者jupyter...

树形模型是机器学习中最为常用的模型之一，其同KNN算法一样，也是弱假设型模型。而树形模型里面的决策树是bagging、随机森林以及boosting的基础，因此想要了解随机森林，首先要了解决策树：决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。常见的决策树算法有C4.5、ID3和CART。而一个树形模型经常包含以下定义：根节点...

注：基于现有案例教程完成一个相对简单的 “关键字提取” 算法，来达到最自然语言处理的一个初步的理解。词汇数据下载：http://labfile.oss.aliyuncs.com/courses/741/nltk_data.tar.gz也可以用下面的下载import nltknltk.download('stopwords')nltk.download('punkt')...

什么是自然语言处理：NLP（Natural Language Processing，自然语言处理）当中所谓的「自然」是为了与人造的语言（比如 C 语言， JAVA 等）区分开来，指自然形成的语言，即平时人们日常使用的交流的语言。「语言」则是人类区别其他动物的本质特性。在所有生物中，只有人类才具有语言能力。人类的多种智能都与语言有着密切的关系。人类的逻辑思维以语言为形式，人类的绝大部分知识也是以...

注：基于现有案例教程鸢尾花数据来源于seaborn中自带的数据集，很多类似的都会自带这个数据集代码如下：import pymc3 as pmimport pandas as pdimport scipy.stats as statsimport theano.tensor as ttimport seaborn as snsimport matplotlib.pyplot ...

定义：线性回归：用一条直线较为准备的描述数据 之间的关系（注：通过属性的线性组合来进行预测的线性模型，找到一条直线或者一个 平面，使得预测值与真实值之间的误差最小，常见于房价的预测）特点：计算熵不复杂，但是对非线性的拟合并不好注：（建模速度快，不需要很复杂的计算，在数据量大的情况下依然运行速度很快。可以根据系数给出每个变量的理解和解释。对异常值很敏感。）问题：假定现有一个房价数...

注：基于实验楼一个小项目数据下载地址：http://labfile.oss.aliyuncs.com/courses/782/data.zip代码如下：import pandas as pdimport mathimport csvimport randomimport numpy as npfrom sklearn import linear_modelfrom s...

注：基于现有小案例攥写K 近邻算法采用测量不同特征值之间的距离方法进行分类：优点：精度高、对异常值不敏感、无数据输入假定。缺点：计算复杂度高、空间复杂度高。K 近邻算法适用数据范围为：数值型和标称型标称型：标称型目标变量的结果只在有限目标集中取值，如真与假数值型：数值型目标变量则可以从无限的数值集合中取值，如0.100，42.001等工作原理：存在一个样本数据集合，也...