yiyue21的博客

import numpy as npimport matplotlib as mplimport matplotlib.pyplot as pltimport mathfrom mpl_toolkits.mplot3d import Axes3D# In[2]:# 设置在jupyter中matplotlib展示图片,非内嵌显示 tk:显示出来,inline:内嵌显示get_ip...

　　随机森林是一种有监督学习算法，是以决策树为基学习器的集成学习算法。随机森林非常简单，易于实现，计算开销也很小，但是它在分类和回归上表现出非常惊人的性能，因此，随机森林被誉为“代表集成学习技术水平的方法”。一，随机森林的随机性体现在哪几个方面？1，数据集的随机选取　　从原始的数据集中采取有放回的抽样（bagging），构造子数据集，子数据集的数据量是和原始数据集相同的。不同子数...

文章来源：https://cloud.tencent.com/developer/article/1005660导语机器学习中的模型参数和模型超参数在作用、来源等方面都有所不同，而模型超参数常被称为模型参数，这样，很容易对初学者造成混淆。本文给出了模型参数和模型超参数的定义，并进行了对比，指出了二者本质上的区别：模型参数是模型内部的配置变量，可以用数据估计模型参数的值；模型超参数是模型外部...

文章来源：https://www.deeplearn.me/1797.htmlGBDT+LR 的特征组合方案是工业界经常使用的组合，尤其是计算广告 CTR 中应用比较广泛，方案的提出者是 Facebook 2014 的一篇论文。相关的开发工具包，sklearn 和 xgboost（ps：xgboost 是一个大杀器，并且支持 hadoop 分布式,你可以部署实现分布式操作，博主部署过...

转https://blog.youkuaiyun.com/wenyichuan/article/details/78572007import re, collections #我们利用一个叫 words 的函数把语料中的单词全部抽取出来, 转成小写, 并且去除单词中间的特殊符号# 单词就会成为字母序列, don't 就变成 don 和 t 了，为了简化操作我们就忽略这个细节def words...

MiniBatchKMeans类主要参数　　　　MiniBatchKMeans类的主要参数比KMeans类稍多，主要有：　　　　1)n_clusters: 即我们的k值，和KMeans类的n_clusters意义一样。　　　　2）max_iter：最大的迭代次数，和KMeans类的max_iter意义一样。　　　　3）n_init：用不同的初始化质心运行算法的次数。这里和...

KMeans类的主要参数有：　　　　1)n_clusters: 即我们的k值，一般需要多试一些值以获得较好的聚类效果。k值好坏的评估标准在下面会讲。　　　　2）max_iter： 最大的迭代次数，一般如果是凸数据集的话可以不管这个值，如果数据集不是凸的，可能很难收敛，此时可以指定最大的迭代次数让算法可以及时退出循环。　　　　3）n_init：用不同的初始化质心运行算法的次数...

svm.SVC API说明：功能：使用SVM分类器进行模型构建# 参数说明：# C: 误差项的惩罚系数，默认为1.0；一般为大于0的一个数字，C越大表示在训练过程中对于总误差的关注度越高，也就是说当C越大的时候，对于训练集的表现会越好，# 但是有可能引发过度拟合的问题(overfiting)# kernel：指定SVM内部函数的类型，可选值：linear、poly、rbf、sigmoi...

感谢博主https://blog.youkuaiyun.com/ssshi0819/article/details/87904561

树的建立步骤：引入包、数据的获取与处理、获取名称与类别标记——>选择样本最多的类作为类别标记——>重点来了，计算信息熵——>子数据集构建——>计算信息增益——>选择最优属性——>建立决策树。这些步骤搞懂了，基本就理解了决策树的原理。import pandas as pdimport numpy as npfrom collections import ...

import pandasimport osos.chdir(r'F:\Download\课件\第一章')a=pd.read_csv("abc.csv",encoding='gbk')#IN encoding=‘gbk’，识别中文#不能直接写 trad_flow = pd.read_csv(r'F:\BaiduNetdiskDownload\配套课件\第一章\RFM_TRAD_...

写下来以便自己记忆。描述性统计方法：首先判断变量的类型，一个分类变量计算统计量、频次value_counts，用直方图；两个分类标准化堆叠柱形图crosstab，统计检验用卡方检验；一个分类一个连续变量用groupby分类盒须图boxplot，统计检验用两样本T检验（多分类则用方差分析）；两个连续变量pivot透视表散点图，统计检验用相关分析（注意相关分析和回归分析不同，相关分析用来确认变量是...

越学坑越多，哭！来不及做图了。1】柱状图matplotlib.pyplot. bar (*args, **kwargs)bar(left, height, width, bottom, * args, align='center', **kwargs)参数： left:数据标量 height：高 width:款 bottom：底端对应Y轴align:对齐如果为 "居中", 则将x参...

这里的建模：引入包（设置字符集，防止中文乱码）>读入数据,查看数据>异常数据处理标准化>对数据进行训练集、测试集划分（再次查看数据）>模型对象创建>模型训练，输出相关参数>模型输出保存>加载模型预测>预测值与实际画图比较这里面的知识点比较细，可以搜到很多案例。第一次学的话，模型的保存容易实际在操作的时候出错。#案例一般都是下面这样写...

查看dataframe字段信息a.info()查看dataframe统计信息a.describe()删除dataframe列del df['b1']df.drop(['b1','b2']，axis=1,inplace=True) #inplacez=True 在原对象上进行操作获取dataframe部分列df.iloc[:,0:3]df.iloc[:,[-1]]...