朴素.无恙的博客

PCA主成分分析概述在数据建模当中我们经常会听到一个词叫做降维，首先咱们先来唠一唠数据为啥要降维呢？最主要的原因还是在于一方面使得所需要计算的量更少啦，想象一下一个100维的数据和一个10维数据计算的速度肯定是不一样的，另一方面如果我们的数据中有很无关特征，这些对结果看起来没什么促进的作用，那我们就干脆把有价值的拿出来，因为他们才是决定模型的关键！第一个强调的关键点：PCA是一种无监督算法，...

一个用python中numpy库编写的神经网络的实现，利用该神经网络跑一些简单的csv数据 以及数据拟合

机器学习之KNN的总结本片文章主要写了针对一个csv数据，目标是对其数据进行分类，怎样用knn实现在此问题中将该问题分为三个步骤：数据处理：对csv数据进行处理做出适合knn的数据集，包括划分测试集及训练集数据拟合：对数据集数据进行拟合数据预测及评价指标：对所训练得到的结果进行预测以及评价 数据处理 本实例中的数据集如下图所示：第一列为数据集的标签，第一行为数据集的t...

sklearn库中训练集测试集的切分from sklearn import neighborsknn = neighbors.KNeighborsClassifier()#(n_neighbors=10)from numpy import genfromtxta = open('list.csv', 'r+')#用r+也可以reader = csv.reader(a)#按行读取内容#...

机器学习sklearn之neuralnetwork查看数据集from sklearn.datasets import load_digits digits= load_digits()print(digits.data.shape) import pylab as plpl.gray()pl.matshow(digits.images[0])pl.show()进行训练fr...

机器学习sklearn之kmeans准备数据import numpy as np x1 = np.array([1, 2, 3, 1, 5, 6, 5, 5, 6, 7, 8, 9, 9]) x2 = np.array([1, 3, 2, 2, 8, 6, 7, 6, 7, 1, 2, 1, 3]) x = np.array(list(zip(x1, x2))).reshape(l...

**机器学习sklearn之k-means**# -*- coding: utf-8 -*-"""Created on Mon Nov 26 20:48:38 2018@author: Administrator"""import numpy as np def kmeans(X, k, maxIt): ''' :param X:

机器学习sklearn之线性回归（Linear Regression）LRsklearn拟合数据的基本步骤：读取数据拟合数据预测数据在这里要用到genfromtxt函数numpy.genfromtxt(fname, dtype=<type 'float'>, comments='#', delimiter=None, skip_header=0, skip_...

机器学习决策树之sklearn的实现实现决策树的应用分为三步：准备数据：即将数据读取为数据（x），标签格式（y）拟合数据：导出sklearn模型，调用模型，生成dot文件可视化数据：对模型利用Graphviz（数据可视化软件）进行可视化导入一些sklearn的库以及csvfrom sklearn.feature_extraction import DictVectorizerimpo...

人脸识别的SVM算法PCA降维,然后训练#最后查看正确率，classification_report以及confusion_matrix 以及绘制出特征图和预测结果from __future__ import print_function#在开头加上from __future__ import print_function这#句之后，即使在python2.X，使用print就得像pytho...

sklearn实现svmfrom sklearn import svm#导出svmx = [[2, 0], [1, 1], [2, 3]]#数据y = [0, 0, 1]#标签clf = svm.SVC(kernel = 'linear')#实例化clf.fit(x, y)#拟合print (clf)# get support vectorsprint (clf.suppor...

knn拟合sklearn中的iris数据集from sklearn import neighborsfrom sklearn import datasets#导出k近邻算法，并导出数据集knn=neighbors.KNeighborsClassifier()iris=datasets.load_iris()#在数据集中找到iris#print(iris)knn.fit(iris...

机器学习之过拟合，欠拟合过拟合现象是指当我们能够提高训练集上的表现时，然而测试集的表现很差，例如在深度学习中经常训练集达到99以上而数据集却在50,60左右明显过拟合，此时就要想办法阻止过拟合，过拟合也成为过配。过拟合发生的本质原因，是由于监督学习问题的不适定：在高中数学我们知道，从n个（线性无关）方程可以解n个变量，解n+1个变量就会解不出。在监督学习中，往往数据（对应了方程）远远少于模...

深度学习1、梯度下降算法的正确步骤是什么？a.计算预测值和真实值之间的误差b.重复迭代，直至得到网络权重的最佳值c.把输入传入网络，得到输出值d.用随机值初始化权重和偏差e.对每一个产生误差的神经元，调整相应的（权重）值以减小误差A.abcde B.edcba C.cbaed D.dcaeb2、已知：大脑是有很多个叫做神经元的东西构成，神经网络是对大脑的简单的数学表达。每一个神经...