松阁

统计学习方法chapter1统计学习概述对象 object统计学习的对象为数据，从数据出发，提取数据的特征（特征工程），抽象出数据的模型（建立模型），发现数据中的知识，又回到对数据的分析与预测中去（回归/分类）用途 purpose用于对数据的预测与分析方法 method统计学习的方法是基于数据构建概率统计模型从而对数据进行预测和分析（即整合对象和用途），统计学习主要由监督学习，无监督学习，半监督学习，强化学习等组成。术语 onym模型：从输入到输出的映射假设空间：模型的集合概率模型：

文章目录利用sklearn进行鸢尾花分类preheat联库版本查询practicesummary利用sklearn进行鸢尾花分类preheat联库sklearn是基于Numpy和Scipy的机器学习库，在利用sklearn进行实际应用时常会和以下的几个库联合使用Numpy:是Python中用于科学计算的基础包之一。在sklearn中，numpy数组是基本的数据结构(类似的有DataFrame)，numpy的核心功能是ndarray类，即多维数组/张量，注意：scikit-learn的输入数据必须

Machine Learning——decision treePrinciple决策树(decision tree)：是一种基本的分类和回归方法，在分类问题中，表示基于特征对数据进行分类的过程，可以认为是if-then的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。直观说明决策树，顾名思义，树为形，决策为本。事实上，其原理类似于问答猜测结果，根据一系列问题，进行猜测最终得到正确答案。上图表示一个决策树流程，正方形代表判断模块，椭圆（即叶子节点）代表终止模块，表示已经得出结果，可以终止

Machine Learning——logistic regressionProblem 1：如何理解coef_和intercept_两个模型参数Solution 1：对于线性回归和逻辑回归，其目标函数为：f(x) =w0+w1x1+wxx2+…如果有激活函数sigmoid，增加非线性变化，则为分类即逻辑回归；如果没有激活函数，则为线性回归。而对于coef_和intercept两个模型参数，常做如下用法lr = LogisticRegression()lr.coef_ #除w0外的其