本书介绍随着机器学习算法越来越多地被用来寻找模式，进行分析和做出决策（有时可能会影
原创
2023-06-23 10:16:11
179阅读
# 注册该网站需要科学上网,下载数据也比较慢# 后台回复数据获取数据,科学上网插件也给大家，免费试用3天。题目是这样的:本次比赛的目的是预测一个人想要登记的地方。为了本次比赛的目的，Facebook创建了一个人工世界，其中包括10多公里10平方公里的100,000多个地方。对于给定的坐标集，您的任务是返回最可能位置的排序列表。数据被制作成类似于来自移动设备的位置信号，让您了解如何处理由不准确和嘈杂
转载
2024-04-10 10:20:10
114阅读
Python机器学习
学习意味着通过学习或经验获得知识或技能。基于此，我们可以定义机器学习（ML）如下 -它可以被定义为计算机科学领域，更具体地说是人工智能的应用，其为计算机系统提供了学习数据和从经验改进而无需明确编程的能力。基本上，机器学习的主要焦点是允许计算机自动学习而无需人为干预。现在问题是如何开始和完成这种学习？它可以从数据的观察开始。数据可以是一些示例，指令或一些直接经验。然后在
转载
2023-07-29 16:10:49
155阅读
本书介绍随着机器学习算法越来越多地被用来寻找模式，进行分析和做出决策（有时可能会
原创
2023-06-23 11:03:16
100阅读
目录 1 初步认识人工智能1.1 人工智能概述1.1.1 机器学习与人工智能、深度学习1.1.2 机器学习、深度学习能做些什么？1.2 什么是机器学习1.3 机器学习算法分类1.4 机器学习开发流程1.5 学习框架和资料介绍2 数据集与特征工程2.1 数据集2.1.1 可用数据集2.2&n
转载
2024-02-15 13:46:10
3阅读
因本人刚开始写博客，学识经验有限，如有不正之处望读者指正，不胜感激；也望借此平台留下学习笔记以温故而知新。这个系列是机器学习实战一书的学习笔记，主要是基本算法的代码实现。机器学习实战 百度网盘链接：百度网盘-链接不存在提取码：qcht推荐指数：5颗星决策树的特点 优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特 征数据。 缺点：可能会产生过度匹配问题。 适用数据类型：
转载
2023-11-20 19:28:23
269阅读
作者：Adrian Rosebrock这是一篇手把手教你使用 Python 实现机器学习算法，并在数值型数据和图像数据集上运行模型的入门教程，当你看完本文后，你应当可以开始你的机器学习之旅了！本教程会采用下述两个库来实现机器学习算法：scikit-learnKeras此外，你还将学习到：评估你的问题准备数据(原始数据、特征提取、特征工程等等)检查各种机器学习算法检验实验结果深入了解性能最
转载
2024-08-15 11:02:54
161阅读
原文链接：www.cnblogs.com/fydeblog/p/7140974.html前言这篇notebook是关于机器学习中监督学习的k近邻算法，将介绍2个实例，分别是使用k-近邻算法改进约会网站的效果和手写识别系统.操作系统：ubuntu14.04运行环境：anaconda-python2.7-notebook参考书籍：机器学习实战notebookwriter----方阳k-近邻算法（kNN
转载
2018-12-25 22:50:39
427阅读
原文链接：https://www.cnblogs.com/fydeblog/p/7364317.html前言这篇notebook是关于机器学习中logistic回归，内容包括基于logistic回归和sigmoid分类，基于最优化方法的最佳系数确定，从疝气病症预测病马的死亡率。操作系统：ubuntu14.04运行环境：anaconda-python2.7-jupyternotebook参考书籍：机
转载
2019-01-02 16:55:14
499阅读
原文链接：www.cnblogs.com/fydeblog/p/7277205.html前言这篇博客是关于机器学习中基于概率论的分类方法--朴素贝叶斯，内容包括朴素贝叶斯分类器，垃圾邮件的分类，解析RSS源数据以及用朴素贝叶斯来分析不同地区的态度.操作系统：ubuntu14.04运行环境：anaconda-python2.7-jupyternotebook参考书籍：机器学习实战和源码,机器学习（周
转载
2019-01-02 16:19:54
975阅读
原文链接：https://www.cnblogs.com/fydeblog/p/7364317.html前言这篇notebook是关于机器学习中logistic回归，内容包括基于logistic回归和sigmoid分类，基于最优化方法的最佳系数确定，从疝气病症预测病马的死亡率。操作系统：ubuntu14.04运行环境：anaconda-python2.7-jupyternotebook参考书籍：机
转载
2019-01-02 16:23:43
432阅读
'''Created on Oct 19, 2010@author: Peter'''from numpy import *def loadDataSet(): postingList=[['my', 'dog', 'has', 'flea', 'problems', 'h', 'take'
转载
2023-01-13 00:29:39
77阅读
# Python与机器学习实战
机器学习是一种应用人工智能的技术，它通过让机器从数据中学习并进行预测和决策，可以用来解决各种实际问题。Python是一种简单易学的编程语言，因其丰富的数据处理库和机器学习框架而成为机器学习的首选语言之一。本篇文章将介绍如何使用Python进行机器学习实战，并通过代码示例展示其强大功能。
## 安装Python与机器学习库
首先，我们需要安装Python及相关的
原创
2023-10-12 09:55:26
53阅读
原文链接：https://www.cnblogs.com/fydeblog/p/7159775.html前言这篇notebook是关于机器学习监督学习中的决策树算法，内容包括决策树算法的构造过程，使用matplotlib库绘制树形图以及使用决策树预测隐形眼睛类型.操作系统：ubuntu14.04（win也ok）运行环境：anaconda-python2.7-jupyternotebook参考书籍：
转载
2018-12-26 20:48:34
650阅读
# Python 机器学习项目实战入门指南
在刚入行的情况下，学习如何实现一个Python机器学习项目可能会令你感到困惑。然而，只要按照一定的步骤进行，你就能逐渐掌握机器学习的基本工作流程。本文将帮助你理清思路，逐步完成一个简单的机器学习项目。
## 机器学习项目流程
下面的表格总结了我们将要实现的机器学习项目的各个步骤：
| 步骤 | 说明 |
|------|------|
| 1
原创
2024-08-19 08:03:49
98阅读
驱动任务：根据加州住房价格的数据集建立加州的房价模型数据集下载地址：https://pan.baidu.com/s/1it08eJ7a1ZGTTc7mHBZVzw?pwd=9n132.2 设计系统典型的有监督学习任务，已经给出了标记的训练示例（每个实例都有预期的产出，也就是该区域的房价中位数）。并且也是一个典型的回归任务，因为哟啊对某个值进行预测。选择性能指标回归问题的典型性能指标是均方根误差RM
转载
2023-08-22 20:46:31
1095阅读
该系列：整合了《机器学习实战》中的要点，适合理解概念之后当作笔记复习或者只喜欢看概念不喜欢看讲解的胖友。将代码改成了python3版本将单独成段的代码讲解以注释的方式与代码融合，方便阅读。机器学习基础概念训练集是用于训练机器学习算法的数据样本集合。目标变量是机器学习算法的预测结果，在分类算法中目标变量的类型通常是标称型的，而在回归算法中通常是连续型的。一般过程： 为了测试机器学习算法的效果，通常使
转载
2024-07-22 16:18:31
85阅读
1.首先从图片的角度，对机器学习算法、实战有一个全面而感性的认识。 1.1 机器学习算法思维导图 1.2 监督学习经典模型树状图 1.3 Scikit-learn工具包使用网状图 1.4 监督学习流程图2.剖析监督学习流程图的每一个步骤(by code)。 2.1 原始数据收集 （1）导入本地数据：import pandas as pd
train = pd.read_csv('../Brea
转载
2024-03-02 11:27:12
79阅读
本文讲述了朴素贝叶斯的原理，概率的计算方式，给出代码的详细解释，并最后给出代码的运行过程的总结，然后又用了两个实例来讲述朴素贝叶斯代码的计算过程
1.优缺点优点:在数据较少的情况下仍然有效，可以处理多类别问题。缺点:对于输入数据的准备方式较为敏感。适用数据类型:标称型数据2.朴素贝叶斯的一般过程(1) 收集数据:可以使用任何方法。本章使用RSS源。
(2)
转载
2024-02-29 15:09:46
98阅读
一、机器学习：（1）有监督学习：（分类、回归）k-近邻、朴素贝叶斯、支持向量机、决策树 （2）无监督学习：（聚类、密度估计）k-均值、DBSCAN →如何选择？（1）预测目标变量的值：选择有监督学习&
转载
2023-07-28 14:13:07
394阅读
