- 博客(6)
- 收藏
- 关注
RSS订阅原创 纯小白的Sklearn学习（决策树）-day（6）
feature_name = ['酒精','苹果酸','灰','灰的碱性','镁','总酚','类黄酮','非黄烷类酚类','花青素','颜色强度','色调','od280/od315稀释葡萄酒','脯氨酸']# 用pandas的concat方法将数据拼接并按照列的方式拼接，具体日后要实验axis参数并加深体会,但是这个数据并没有在下面代码中用到，做他干什么呢？,class_names=["琴酒","雪梨","贝尔摩德"]# 划分训练集和测试集。
2025-03-31 13:53:39
612
原创 纯小白的Sklearn学习（逻辑回归）-day（5）
数据里面包含无效数据“？”，所以在数据处理阶段需要对这些数据进行替换和删除，此两行命令就是这个干这事儿的，将所有？替换成NaN,这里没理解太透彻，就是理解为将一些乱七八糟的无效数据统一替换成NaN，这个叫什么。1、导入数据后是乱的，需要定义column_names列名，然后用names参数添加列名（表头）到数据中，表示缺失值的常量，Numpy库就是这么定义的，想删除数据必须要替换成Nunmy认识的好处理的NaN？，是对数据进行切片截取然后在赋予给x的过程，本案例为取全部行，第一列到倒数第二列的所有数据。
2025-03-28 09:49:13
637
原创 纯小白的Sklearn学习（岭回归）-day（4）
data = pd.read_csv("C:/Python-Project/梯度下降/price_boston_housing.txt")print('模型的偏置是：\n',estimator.intercept_)print('模型的系数是：\n',estimator.coef_)可以正常运行，但是预测结果准确性很差，不知道为什么。# 机器学习，此处为与前面章节的不同指出。print('均方差为：\n',ret)补充波士顿房价预测（岭回归）
2025-03-25 23:51:56
334
原创 纯小白的Sklearn学习（梯度下降）-day（3）
3、读进去后发现pandas的数据格式和Numpy的格式是不一样的，所以就不能按教程一步一步操作了，只能自己摸索。2、读文件，教程里面的读文件是直接在load_boston完成的，不知道怎么的我就不行，所以网上download了txt版本的数据，然后用read方式读进去。# 将数据分离成了数据和目标集合，但是往下不会了，因为train_test_split需要的是array格式，下一步转换数据才能继续进行。重点代码：XX1 = data_1[["CRIM","ZN","INDUS"]]
2025-03-25 00:22:59
558
原创 纯小白的Sklearn学习（线性回归）-day（2）
这比较好理解，没啥说的，主要是用案例补代码基础知识的时候，对文件读取这一步的格式有疑问，报错warning直接扔给大模型基本上就能解决了。就是pd.read_csv我以为可以直接改成txt，后来发现直接读csv也行。print("预测的结果是：\n",estimator.predict(DataFrame_1[["score_1","score_2"]]))print("线性回归的系数是：\n",estimator.coef_)# 读入文件，训练集文件和预测集文件。# 建立线性回归API。
2025-03-22 21:10:25
159
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人