u014168855的博客

线性回归实战一.线性回归1.波士顿房价预测2.2020年天猫双十一销量3.自己实现线性回归（一元一次）4.自己实现线性回归（多元方程）二.岭回归1.糖尿病预测 一.线性回归 1.波士顿房价预测 import numpy as np from sklearn.linear_model import LinearRegression import matplotlib.pyplot as plt %m...

环境为notebook，对体测成绩汇总进行处理。 import numpy as np import pandas as pd from pandas import Series,DataFrame import matplotlib.pyplot as plt %matplotlib inline data = pd.read_excel('./18级高一体测成绩汇总.xls') data ...

梯度提升实战1.梯度下降2.梯度下降3.梯度提升4.梯度提升用于分类 本文环境为notebook 1.梯度下降 import numpy as np import matplotlib.pyplot as plt %matplotlib inline # 定义目标函数，二次函数 f = lambda x : (x - 3)**2 + 2.5*x -7.5 # 导数 = 梯度，求解导数令导数=0求解...

决策树和随机森林实战1.决策树使用与原理2.随机森林 1.决策树使用与原理 import numpy as np from sklearn.tree import DecisionTreeClassifier from sklearn import datasets import matplotlib.pyplot as plt %matplotlib inline from sklearn im...

SKLearn数据集变换1.Pipeline：chaining（链接）estimators2.特征提取(1)Loading Features From dicts(2)Features hashing3.文本特征提取4.维数预处理（1）标准化(3）布尔类型（4）one-hot编码（5）补缺失值（6）多项式特征（7）自定义特征 1.Pipeline：chaining（链接）estimators ...

SKLearn性能评估函数1.分类器性能指标（1）准确率-精确度-召回率-F度量（2）损失函数2.回归器性能指标 1.分类器性能指标 （1）准确率-精确度-召回率-F度量 （2）损失函数 2.回归器性能指标 ...

SKLearn模型选择1.数据划分方法（1）K折交叉验证（2）留一法和留P法（3）随机划分法2.超参数优化方法(1)什么是超参数(2)网格搜索穷举式优化方法(3)随机采样式超参数优化方法(4)超参数空间搜索技巧3.模型验证方法(1)通过交叉验证计算得分(2)对每个输入数据点产生交叉验证估计(3)计算并绘制模型的学习率曲线(4)计算并绘制模型的验证曲线(5)通过排序评估交叉验证得分的重要性 1.数据...

一、SKLearn算法库的顶层设计 （一）SKLearn的模块 1.监督学习模块 2.无监督学习模块 3.数据变换模块 （二）SKLearn中算法的继承关系 1.基类 2.分类器继承关系图 3.聚类继承关系图 4.特征提取继承关系图 5.六大板块统一API 6.监督学习工作流程： 7.无监督学习工作流程：    (1).数据预处理工作流程：数据变换    (2).无监督学习工...

1.机器学习基本概念     2.监督学习 3.无监督学习 4.强化学习 5.学习器设计