王勇的博客

在Python机器学习实践中需要使用GraphViz显示决策树的图下面是安装、配置及验证过程：1、官网下载稳定版并安装；2、将“C:\Program Files (x86)\Graphviz2.38\bin”加入系统变量的“Path”这一步是必须的否则程序报错；3、pip install graphviz；4、使用下面代码验证：import graphvizimport sklearn.data...

条件概率：    $$P(A|B)={P(AB)\over P(B)}$$    这个公式看下面韦恩图就懂了：在事件\(B\)发生的条件下发生事件\(A\)的概率\(P(A|B)\)，就是\(AB\)同时发生的概率\(P(AB)\)，比\(B\)发生的概率\(P(B)\).    贝叶斯公式：$$P(A|B) = \frac{P(B|A)P(A)}{P(B)}$$    形式上很明显，这个公式是条...

本文使用TensorFlow实现最简单的线性回归模型。线性回归拟合\(y=2.7x+0.6\)，代码如下:import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltn = 201 # x点数X = np.linspace(-1, 1, n)[:,np.newaxis] # 等差数列构建X，[...

下面代码实现的是最小二乘法线性拟合，并且包含自己造的轮子与别人造的轮子的结果比较。问题：对y=2.5x+0.8y=2.5x+0.8直线附近的带有噪声的数据进行线性拟合，最终求出w,b的估计值。最小二乘法基本思想是使得样本方差最小。代码中self_func()函数为自定义拟合函数，skl_func()为调用scikit-learn中线性模块的函数。import numpy as npimport ...

代码和结果如下：import numpy as npimport pandas as pdfrom sklearn.linear_model import LinearRegressionimport seaborn as snsdef self_func(i): np.random.seed(i) n = 101 x = np.linspace(0,1...

转载请注明出处：逻辑回归实际上是使用回归进行二分类的方法。线性回归返回的范围为\((-\infty,+\infty)\)，而分类预测结果需要得到取值范围为\([0,1]\)的概率值，这样就需要一个由\((-\infty,+\infty)\)映射到\([0,1]\)的关系函数，这个函数关系，我们就可以使用\(Sigmoid(x)=1\over{1+e^{-x}}\)函数。那为什么要用这个函数呢？请看...

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom sklearn import datasets, linear_model, metricsimport statsmodels.api as smboston = datasets.load_boston() # 这个数据集是一个字典d...