- 博客(5)
- 收藏
- 关注
RSS订阅原创 第L4周：机器学习｜K-邻近算法模型
背景： 海伦一直使用在线约会网站寻找适合自己的约会对象。尽管约会网站会推荐不同的人选，但她没有从中找到喜欢的人。经过一番总结，她发现曾交往过三种类型的人：● ①不喜欢的人；● ②魅力一般的人；● ③极具魅力的人。她现在总结好的数据中（即训练集）包含三种特征：● ①每年获得的飞行常客里程数● ②玩视频游戏所耗时间百分比● ③每周消费的冰淇淋公升数她希望根据现有的数据来判断一个陌生男人会被她归到哪一类。
2024-09-13 21:40:14
400
原创 第L3周：机器学习｜逻辑回归 LogisticRegression
比如某用户购买某商品的可能性，某病人患有某种疾病的可能性，以及某广告被用户点击的可能性等。标准化目的是将数据缩放到一个均值为 0，标准差为 1 的正太分布，消除不同特征量纲的影响，尤其是像支持向量机 (SVM)、逻辑回归、神经网络等基于梯度的模型。数据处理：特征标准化：标准化是最常见的特征缩放方法之一，它将特征转换为均值为 0，标准差为 1 的形式。预测结果：在这个代码中，model 是一个已经训练好的机器学习模型，X_test 是用于测试模型性能的数据。导入数据：鸢尾花数据集。
2024-09-06 18:54:10
555
原创 第L2周：机器学习｜多元线性回归模型
sklearn.linear_model包实现了广义线性模型，包括线性回归、Ridge回归、Bayesian回归等。相当于我们高中学的一元一次方程，变成了n元一次方程。LinearRegression是其中较为简单的线性回归模型。线性回归:通过两个或多个变量之间的线性关系来预测结果。简单线性回归：影响Y的因素唯一，只有一个。多元线性回归：影响Y的因数不唯一，有多个。第2步：训练多元线性回归模型。第4步：测试集预测结果可视化。第3步：在测试集上预测结果。第2步：简单线性回归模型。网不好，图片上传不了。
2024-08-30 21:51:56
597
原创 第L1周：机器学习｜数据预处理
1. 学习如何处理缺损数据2. 尝试进行Label编码3. 使用train_test_split进行数据划分4. 学习特征标准化。
2024-08-23 17:42:36
677
2
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