深入浅出python机器学习
关注
分享
扫一扫
至一守道
Math，AI，MCU
展开
-
深入浅出Python机器学习3——K最近邻算法
K最近邻的算法的原理；在分类任务中的应用；在回归分析中的应用；使用K最近邻算法对酒的分类进行分类。原创 2019-09-07 09:13:47 · 2089 阅读 · 0 评论 -
深入浅出Python机器学习14——从数据获取到话题提取
在实际工作当中，有很多时候没有现成的数据集可用，必须想办法自己去获取数据，而本文就是研究如何用Python进行数据的爬取并进行分析。原创 2019-09-27 16:37:48 · 1088 阅读 · 1 评论 -
深入浅出Python机器学习12——建立算法的管道模型
在机器学习中，我们把一系列算法打包在一起，让它们各司其职，形成一个流水线，这就是我们所说的管道模型。原创 2019-09-24 17:20:24 · 1542 阅读 · 0 评论 -
深入浅出Python机器学习11——模型的评估与优化
有了数据集训练的模型后，我们注意到针对不同的数据集不同的模型表现情况可能不一致，相同模型但是参数不一致，导致的结果也有所不同，这篇博客就是来分析如何选取模型以及调参。原创 2019-09-17 20:50:25 · 1063 阅读 · 0 评论 -
深入浅出Python机器学习10——数据表达与特征工程
本篇主要是讨论如何将不同的特征进行转换、如何合理表达数据，以及如何进行特征选择等。原创 2019-09-17 12:17:05 · 1044 阅读 · 3 评论 -
深入浅出Python机器学习6——决策树与随机森林
本篇主要介绍决策树的基本原理，以及随机森林的基本原理。原创 2019-09-16 19:21:24 · 912 阅读 · 0 评论 -
深入浅出Python机器学习9——数据预处理、降维、特征提取及聚类
通过数据预处理（Data preptocessing）可以有助于提高模型的准确率，这也就是我们为什么要研究它的原因。原创 2019-09-16 15:19:01 · 3570 阅读 · 0 评论 -
深入浅出Python机器学习8——神经网络
神经网络的原理和参数调节原创 2019-09-09 20:31:34 · 811 阅读 · 0 评论 -
深入浅出Python机器学习7——支持向量机SVM
当数据集线性不可分时，这是——支持向量机就出来了原创 2019-09-09 09:15:22 · 972 阅读 · 7 评论 -
深入浅出Python机器学习5——朴素贝叶斯
朴素贝叶斯(Naive Bayes)算法是一种基于贝叶斯理论的有监督学习算法。之所以说"朴素"，是因为这个算法是基于样本特征之间相互独立的“朴素”假设。正因为如此，由于大家不用考虑样本特征之间的关系，朴素贝叶斯分类器的效率是非常高的。原创 2019-09-07 14:05:14 · 1319 阅读 · 0 评论 -
深入浅出Python机器学习2——基于Python语言的环境配置
Python安装，Jupyter notebook的安装和使用方法、Numpy、Scipy、matplotlib、pandas、scikit-leran等库的安装和使用方法原创 2019-09-07 10:19:00 · 418 阅读 · 2 评论 -
深入浅出python机器学习1——概述
什么是机器学习，机器学习应用场景，机器学习该如何入门，有监督学习和无监督学习的概念，分类、回归、泛华、过拟合与欠拟合等概念。原创 2019-09-07 10:14:43 · 733 阅读 · 0 评论 -
深入浅出Python机器学习4——广义线性模型
线性模型是一类广泛应用于机器学习领域的预测模型，是使用输入数据集的特征的线性函数进行建模，并对结果进行预测的方法。原创 2019-09-07 10:07:32 · 3518 阅读 · 0 评论 -
深入浅出Python机器学习13——文本数据处理
自然语言处理（Natural Language Processing，NLP）作为人工智能的重要分支之一，其研究的内容是如何实现人与计算机之间用自然语言进行有效的通信。本部分是 NLP 的基础知识——如何对文本数据进行处理。原创 2019-09-27 19:49:59 · 2558 阅读 · 0 评论