机器学习好伙伴之scikit-learn的使用——datasets获得数据集载入sklearn中自带的datesets利用sklearn的函数生成数据应用示例利用sklearn中自带的datesets进行训练利用sklearn中生成的数据进行训练 在上一节课我们说到如何进行训练集和测试集的划分，在划分之前，还有一点很重要的是载入合适的数据集。 scikit-learn自带许多实用的数据集，用于测
逻辑回归：可以做概率预测，也可用于分类，仅能用于线性问题。通过计算真实值与预测值的概率，然后变换成损失函数，求损失函数最小值来计算模型参数，从而得出模型。 sklearn.linear_model.LogisticRegression官方API：官方API：http://scikit-learn.org/stable/modules/generated/sklearn.linear_mo
转载
2024-10-12 20:43:53
104阅读
【原】关于使用sklearn进行数据预处理 —— 归一化/标准化/正则化一、标准化（Z-Score），或者去除均值和方差缩放公式为：(X-mean)/std 计算时对每个属性/每列分别进行。将数据按期属性（按列进行）减去其均值，并处以其方差。得到的结果是，对于每个属性/每列来说所有数据都聚集在0附近，方差为1。实现时，有两种不同的方式：使用sklearn.preprocessing.s
判断是否幸福？ 首先导入相关包：import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.svm import SVC, LinearSVC
from sklearn.model_selection import train_test_split
转载
2024-06-07 18:02:08
22阅读
机器学习评估准则
roc曲线是机器学习中十分重要的一种学习器评估准则，在sklearn中有完整的实现，api函数为sklearn.metrics.roc_curve(params)函数。官方接口说明：http://scikit-learn.org/stable/modules/generated/sklearn.metrics.roc_curve.htm
转载
2024-03-14 08:37:49
275阅读
sklearn.neural_network.MLPRegressor(hidden_layer_sizes=(100, ), activation='relu', solver='adam', alpha=0.0001, batch_size='auto', learning_rate='constant', learning
转载
2024-08-23 13:27:18
184阅读
有时候 代码提交变 mle了 思路正确但就是mle 很难找出 哪里出问题 周周的舟舟周周在玩游戏《明日方舟》的破解版《昨月圆车》。众所周知，在《昨月圆车》中，最强的干员是异客，他能降下强大的雷霆惩罚敌人。客门。 众所周知，人被雷劈就会死，《昨月圆车》有最真实的物理引擎，如果 A 被雷劈死了，那么他周围距离 #include<bits/s
本章的目的：1. 说明概率分布中随机变量的独立性如何用于紧凑地表示高纬度分布。2. 有向无圈图的建立。一．基本原理1. 前面提到了独立性和条件独立性，这张中首先是分布参数化，并利用独立性减少参数，简化分布。2. 独立性的运用——朴素贝叶斯模型（假设在某种条件下
转载
2024-09-10 07:27:45
37阅读
聊到深度学习, 大家第一感觉就是很高大上。
就像我们曾经说到机器学习，很多人也是感觉很高大上，但是慢慢接触之后，发现其无非是数学+编程实现，所以从线性回归开始，不断学习，把各种机器学习方法都学习了一遍，并能够通过Python的sklearn库编程实现。
有很多朋友和我聊到学习深度学习这个事情，我会推荐他们去看一些相关理论算法，从CNN、RNN到LSTM，从各种传统
转载
2023-08-07 12:36:23
227阅读
Sql 使用小结一、Sql语句的执行顺序（1）FROM：对FROM子句中的前两个表执行笛卡尔积（Cartesian product)(交叉联接），生成虚拟表VT1（2）ON：对VT1应用ON筛选器。只有那些使<join_condition>为真的行才被插入VT2。（3）OUTER(JOIN)：如 果指定了OUTER JOIN（相对于CROSS JOIN 或(INNER JOIN),保留
转载
2024-07-16 17:50:02
53阅读
LGBMModel 模型创建： 参数 boosting_type : string, optional (default='gbdt') 'gbdt', 传统的梯度提升决策树。 'dart', Dropouts meet Multiple Additive Regression Trees. 'go
原创
2021-07-30 13:36:38
872阅读
PCA主成分分析（Principal Component Analysis，PCA）是最常用的一种降维方法，通常用于高维数据集的探索与可视化，还可以用作数据压缩和预处理等。目标 PCA可以把具有相关性的高维变量合成为线性无关的低维变量，称为主成分。主成分能够尽可能保留原始数据的信息。相关术语方差协方差协方差矩阵特征向量和特征值 原理矩阵的主成分就是其协方差矩阵对应的特征向量，按
在拼多多平台，店铺权重是非常重要的一个运营方面，因为店铺权重提高了，销量必然就会提高，所以提高店铺权重是店家们需要郑重考虑的一方面。那么店家如何才能提高权重？下面一度智信带大家来分享一下拼多多提高商品权重的几个小技巧。1、选款/统一 根据市场数据选款。要求店家根据市场需要什么，去选择商品出售。如果产品不符合市场需求、也不符合消费者喜好和需求，那么即使把这种产品放在首页第一位，也没有销量。另一方面进
前言GNN领域最经典的论文之一是Kipf同学2016年发布的GCN。经典的GCN做了四个数据集的实验，后续工作基本会在这4个数据集上也做一次。但是由于年代久远，和一些历史问题，后来者想做对比实验难免遇到一些“从哪里获取"与"是这个东西吗”之类的困惑。本文记录一些现在还能找到的基本事实供后续入坑的初学者参考。主要厘清几个数据集的存在形式与变迁。一、4个基本数据集Cora, Citeseer, Pub
目录目标实现交叉熵损失函数数学原理分解交叉熵损失函数梯度推导交叉熵损失函数的特殊情况: 只有两个类别实现代码在MNIST数据集上验证总结 代码仓库: https://github.com/brandonlyg/cute-dl目标增加交叉熵损失函数，使框架能够支持分类任务的模型。构建一个MLP模型, 在mnist数据集上执行分类任务准确率达到91%。实现交叉熵损失函数数学原理分解交叉熵损失函数,
sklearn中的PCA详见–>http://scikit-lea
原创
2022-11-18 16:00:00
156阅读
目录穷举法网格搜索(GridSearchCV)基本语法案例1： 在决策树中的应用搜索器属性案例2：案例3 嵌套和非嵌套交叉验证的区别随机搜索基础语法案例1：基础语法练习案例2：随机搜索与网格搜索的比较其它穷举法网格搜索(GridSearchCV)基本语法help(GridSearchCV):class GridSearchCV(BaseSearchCV):Exhaustive search ove
转载
2024-04-29 17:56:06
97阅读
使用sklearn完成鸢尾花分类任务。相关知识为了完成本关任务，你需要掌握如何使用sklearn提供的DecisionTreeClassifier。数据简介鸢尾花数据集是一类多重变量分析的数据集。通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于(Setosa，Versicolour，Virginica)三个种类中的哪一类(其中分别用0，1，2代替)。数据集中部分数据与标签如下图所
2.4 Runner类介绍通过上面的实践，我们可以看到，在一个任务上应用机器学习方法的流程基本上包括：数据集构建、模型构建、损失函数定义、优化器、模型训练、模型评价、模型预测等环节。为了更方便地将上述环节规范化，我们将机器学习模型的基本要素封装成一个Runner类。除上述提到的要素外，再加上模型保存、模型加载等功能。Runner类的成员函数定义如下：__init__函数：实例化Runner类时默认
Scikit-learn 库中没有直接提供标准 BP 算法的实现，但是我们可以通过 MLPRegressor 类来构建多层感知机（Multi-Layer Perceptron，MLP）模型，实现类似于标准 BP 算法的效果。MLPRegressor 是 Scikit-learn 库中用于实现多层感知机模型的类，它可以支持多种不同的激活函数和正则化方法，并提供了自动调参的功能。下面是一个使用 MLP
转载
2024-03-19 20:51:04
312阅读
