自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(9)
  • 资源 (2)
  • 收藏
  • 关注

原创 python机器学习:(6)监督学习代码整理:完整

家人们直接上代码了嗷,理解不到位的可以在终端画个图看一下'''分类与回归分类是预测标签,包括二分类与多分类。回归是预测连续值,比如预测收入、房价。泛化、过拟合与欠拟合随着模型算法逐渐复杂,其在训练集上的预测精度将提高,但在测试集上的预测精度将降低,因此模型的复杂度需要折中。模型过于复杂,将导致模型泛化能力差,即过拟合。 模型过于简单,将导致模型精度在训练集表现就很差,更不用说测试集的表现了,此时即欠拟合。模型复杂度与数据集大小的关系数据点的值变化范围越大,则可以应用更加复杂的模型,预测的表

2021-05-24 20:22:10 1328

原创 python Fraction类

直接上代码了家人们#GCD方法去寻找m与n的最大公因数#原理:m与n的最大公因数为n与m除以n的余数的最大公因数def gcd(m,n): while m % n != 0: oldm = m oldn = n m = oldn n = oldm%oldn return n class Fraction: def _init_(self, top, bottom): #构造方法总是命名为 _init_

2021-05-23 15:53:57 390

原创 python机器学习(5)朴素贝叶斯分离【短文无代码】

朴素贝叶斯分类器训练速度比线性模型还快,仅仅对每个分类进行特征的统计。泛化能力要比线性分类器(如LogisticRegression 和 LinearSVC)稍差。一共有3种模型:1.GaussianNB: 特征可以是任意连续数据,B 会保存每个类别中每个特征的平均值和标准差。2.BernoulliNB:特征必须是2分类的数据,计算每个类别中每个特征不为 0 的元素个数。3.MultinomialNB:特征是计数性质的数据,假定输入数据为计数数据(即每个特征代表某个对象的整数计数,比如一个单词在句

2021-05-21 18:40:11 185

原创 python机器学习(4)线性模型:分类

线性分类ŷ = w[0] * x[0] + w[1] * x[1] + …+ w[p] * x[p] + b > 0没有返回特征的加权求和,设置了阈值0,y小于0则预测为类别-1,大于0则预测为类类别+1。不同的线性分类算法的区别包括2点:w和b对训练集拟合好坏的度量方式(损失函数)是否使用正则化以及使用哪种正则化常见线性分类算法包括: * LogisticRegression:Logistic回归分类器(注意只是名字叫回归,但是分类算法) * LinearSVC:线性支持向量机分类器

2021-05-21 16:56:10 1017

原创 python机器学习(3)线性模型:回归

对于回归问题,线性模型预测的一般公式是: ŷ = w[0] * x[0] + w[1] * x[1] + … + w[p] * x[p] + b 。。有许多种不同的线性回归模型,区别在于模型如何学习到参数w和b,以及如何控制模型复杂度。这里 x[0] 到 x[p] 表示单个数据点的特征,w 和 b 是学习模型的参数,ŷ 是模型的预测结果。对于单一特征的数据集,公式如下:ŷ = w[0] * x[0] + b线性回归(回归问题最简单最经典的线性模型)它试图找到参数w和b,使得预测值和真实值之间的均

2021-05-21 16:24:03 628

原创 python机器学习(2)K-NN

k-NN 算法可以说是最简单的机器学习算法。构建模型只需要保存训练数据集即可。想要对新数据点做出预测,算法会在训练数据集中找到最近的数据点,也就是它的“最近邻”。K近邻分类分类forge数据集from sklearn.model_selection import train_test_splitimport mglearnfrom sklearn.neighbors import KNeighborsClassifier# 生成forge样本的特征X和目标yX, y = mglearn.da

2021-05-21 15:55:05 168

原创 python机器学习(1)简单说明样本数据

基本知识1.样本:sample2.特征:feature3.用到的库:scikit—learnJupyter NotebookNumpyScipymatplotlibpandasmglearn4.分类与回归:分类是预测标签,包括二分类与多分类。回归是预测连续值,比如预测收入、房价。5.泛化、过拟合与欠拟合:随着模型算法逐渐复杂,其在训练集上的预测精度将提高,但在测试集上的预测精度将降低,因此模型的复杂度需要折中。模型过于复杂,将导致模型泛化能力差,即过拟合。 模型过于简单,将导

2021-05-21 15:35:00 730

原创 #Opencv python直方图(直方图的显示与均衡)

#Opencv python从零开始第二天之直方图本人大一数学系学渣菜鸟一枚,由于兴趣,课程之余在学习OpenCV,也是从零开始,想一边学一边把学的东西整理放在优快云存一下不喜勿喷哈哈哈哈我是菜鸡#python+Opencv 直方图import cv2 as cv import numpy as np from matplotlib import pyplot as plt#读取灰度图img = cv.imread('G:\\sundries\\CVpictures\\pocketm

2021-04-30 15:49:51 325 1

原创 Opencv python 图像轮廓处理

Opencv Python 轮廓处理Opencv python轮廓处理本人大一数学系学渣菜鸟一枚,课程之余学习了OpenCV,把写的关于轮廓处理的知识分享一下,欢迎在评论区里给出宝贵意见!我把代码放到一起了,要是运行的话最好复制到新的python文件里运行哦以下为BB子整理的OpenCV中基本的轮廓处理部分#program 1.绘制轮廓import numpy as npimport cv2 as cv #读取图像img = cv.imread("G:\sundries\CVpicture

2021-04-29 12:29:17 1590 5

泰坦尼克号生存分析PPT+代码

里面是代码+PPT讲解

2021-05-23

opencv学习资料分享.zip

自己就用的这些,应该足够,是opencv+python

2021-05-21

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除