weixin_43805050的博客

本文主要是整理sklean中用于【交叉验证】和【网格搜索】的方法，以逻辑回归对鸢尾花的分类为例

PCA优缺点

fit()：适配拟合的过程，根据目的(如降维、归一化)找到数据集的最大值、平均值、标准差等固有属性transform()：数据转化的过程，根据fit()之后得到的固有属性完成对数据的转换fit_transform()：将fit与transform相结合，是拟合加转换的过程注意：1、transform不能单独使用，必须跟在fit或者fit-transform之后2、但分别对训练数据集和测试...

分类模型评价指标这里主要针对的二分类场景的评价指标混淆矩阵首先需要了解几个概念：真正TP：预测为正的正样本(预测正确)假正FP：预测为正的负样本真负TN：预测为负的负样本(预测正确)假负FN：预测为负的正样本准确率预测正确的样本量/总的样本量 = (TN+FN)/(TN+TP+FN+FP)精确率也叫查准率，针对的是预测为正的样本精确率 = 真正/预测为正 = 真正 / (...

这本来是一篇超级细致的长文！结果文章快收尾的时候插入一张图片导致网页卡死，就试了刷新了一次(我记得我中途点过保存)，结果全都没了，我两个多小时的心血。。。。。。。想摔电脑。。。。。好，平复一下心情，打算在写一遍，仅简单陈列一下思路。。。。就不细写了逻辑回归简介基于伯努利假设假设函数为sigmoid函数通过极大似然方法构建损失函数使用梯度下降算法进行参数的求解【每一项就暂...

K-means算法简介K聚类属于非监督学习的一种，主要实现分类功能。算法需要根据数据内部结构将所有样本数据划分成k个类簇，保证同一个类簇内相似度高，不同类簇内相似度低(距离为衡量指标)算法过程1、根据经验选择K值，初始化k个类簇中心点2、为所有样本根据最短距离原则匹配一个类簇中心点3、为一个类簇重新划分类簇中心点，使类簇内所有样本距离此点的距离和最小4、重复进行2、3步，直到达到迭代停...