1. PyPi的用途Python中我们经常会用到第三方的包，默认情况下，用到的第三方工具包基本都是从Pypi.org里面下载。我们举个栗子: 如果你希望用Python实现一个金融量化分析工具，目前比较好用的金融数据来源是 Yahoo 和 Google。你可能需要读取这 2 个平台的 API，然后依次实现下载、分析数据的代码。是不是好麻烦，这样你可以到 PyPi 到上面去找找有没有已经写过这个内容，
转载
2024-03-13 11:31:30
29阅读
平时喜欢接触新的事物，电脑上安装了各种软件，学习很多东西，但是久而久之，使用过后就忘记了如何去安装以及最初使用的步骤，每次百度和求教浪费很多时间，写下来可最主要的是自己记住，其次，就是分享自己苦逼写代码遇到的各种错误历程，不会让后来人犯同样的错误。 好吧，言归正传。 最近因为在学习机器学习的初级入门，由于课程的需要，在命令行里使用了pip install sklearn的方法进行安装sklea
转载
2024-08-19 22:01:11
59阅读
目录1.scikit-learn谱聚类概述2. SpectralClustering重要参数与调参注意事项3. Method4.SpectralClustering实例参考资料 原文链接： 1.scikit-learn谱聚类概述在scikit-learn的类库中，sklearn.cluster.SpectralClustering实现了基于 Ncut 的谱聚类，没有实现基于 RatioCu
转载
2023-12-02 23:25:52
105阅读
目录学习目的一、代码规范1.1简单项目进入1.2添加项目模版（SimpleML）二、生成模型2.1、模型的常用方法2.2、模型的生成和似合三、sklearn 中的模型3.1、线性回归2.2、逻辑回归3.2、朴素贝叶斯算法NB3.4、决策树DT3.4、支持向量机SVM3.5、k近邻算法KNN3.6、多层感知机（神经网络）3.6、sklearn中的朴素贝叶斯四、总结4.1、学习收获4.2、应用模型的好
转载
2024-06-04 23:52:00
185阅读
MachineLearningNote （sklearn 学习
原创
2023-04-29 22:31:45
250阅读
安装Sklearn详细步骤+出错解决一、环境二、安装过程与出错解决2.1 终端查询信息2.2 选择适配版本2.3 安装过程2.3.1 安装wheel软件包工具2.3.2 安装Numpy+mkl2.3.3 安装Scipy2.3.4 安装Sklearn2.4 出错处理三、验证 一、环境安装python（我自己的是python3.7.0）win10/win11（我的是win11）二、安装过程与出错解决
转载
2023-08-08 14:57:35
818阅读
朴素贝叶斯该方法的任务是还原训练样本数据的分布密度，在多分类中有很好的效果朴素贝叶斯分类的优缺点
优点：
（1） 算法逻辑简单,易于实现（算法思路很简单，只要使用贝叶斯公式转化一下即可！）
（2）分类过程中时空开销小（假设特征相互独立，只会涉及到二维存储）
缺点：
理论上，朴素贝叶斯模型与其他分类方法相比具有最小的误差率。但
Python使用sklearn实现的各种回归算法示例本文实例讲述了Python使用sklearn实现的各种回归算法。分享给大家供大家参考，具体如下：使用sklearn做各种回归基本回归：线性、决策树、SVM、KNN集成方法：随机森林、Adaboost、GradientBoosting、Bagging、ExtraTrees1. 数据准备为了实验用，我自己写了一个二元函数，y=0.5np.sin(x1
转载
2023-05-19 19:28:10
224阅读
python借助pip安装第三方库，所以首先确保电脑上已成功安装了pip。安装sklearn前需要先安装numpy、scipy和pandas等库。安装的方式有两种：一、前往python的组件库页（https://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy），找到组件包并下载。下载的文件后缀名为.whl，下载完成后，用cmd进入python的安装目录的srip
转载
2023-07-07 18:01:25
581阅读
Python引用(import)文件夹下的py文件的方法Python编程语言Python 是一种面向对象、解释型计算机程序设计语言，由Guido van Rossum于1989年底发明，第一个公开发行版发行于1991年。Python语法简洁而清晰，具有丰富和强大的类库。它常被昵称为胶水语言，它能够把用其他语言制作的各种模块(尤其是C/C++)很轻松地联结在一起。本文讲解的是python下引入文件的
转载
2023-06-13 22:47:38
137阅读
Pandas简单使用由于Python本身的限制，当数据太大的时候，而无法一次载入内存，需要进行分块导入，并对查询做出相应的修改。import pandas as pd # 导入pandas
import numpy as np # 导入numpy
import matplotlib.pyplot as plt
dates = pd.date_range('20121201', peri
转载
2024-01-25 21:39:07
43阅读
机器学习是一门需要不断实验和试错的科学，拥有大量的实战经验几乎比拥有一个好的算法还要重要，没有一个机器学习模型能够对所有的问题有效。因此，想要学好机器学习一定要有非常多的项目练习作为支撑，从实践中探寻机器学习的技法。但一个机器学习项目的实施需要实践者拥有丰富的机器学习理论并具有将理论知识实践的能力，这让很多机器学习小白望而却步。本文将利用sklearn中自带的数据集(鸢尾花数据集),
转载
2024-04-26 11:04:00
131阅读
文章目录1.sklearn介绍2.基本概括2.1 估计器2.2 转化器3.sklearn中iris莺尾花数据集使用 1.sklearn介绍Scikit-learn（以前称为scikits.learn，也称为sklearn）是针对Python 编程语言的免费软件机器学习库 。它具有各种分类，回归和聚类算法，包括支持向量机，随机森林，梯度提升，k均值和DBSCAN，并且旨在与Python数值科学库N
转载
2023-12-24 08:12:47
115阅读
Sklearn库是基于Python的第三方库，它包括机器学习开发的各个方面。机器学习的开发基本分为六个步骤，1）获取数据，2）数据处理，3）特征工程，4）机器学习的算法训练（设计模型），5）模型评估，6）应用。机器学习的算法一般分为两种：一种既有目标值又有特征值的算法称之为监督学习，另一种只有特征值的算法称之为无监督学习。而监督学习还可以继续细分为分类算法和回归算法。1）获取数据⑤Sklearn中
转载
2023-07-05 21:34:47
413阅读
使用 sklearn 进行交叉验证目录模型评估方法留出法：交叉验证：运用交叉验证进行数据集划分
KFold 方法 k 折交叉验证RepeatedKFold p 次 k 折交叉验证LeaveOneOut 留一法LeavePOut 留 P 法ShuffleSplit 随机分配其它特殊情况的数据划分方法运用交叉验证进行模型评估
cross_value_scorecross_validatecro
转载
2023-09-14 22:23:46
119阅读
通过Python学习机器学习，首先应该了解Python中的sklearn库，它提供了很多方便的机器学习方法，在进行机器学习任务时，并不需要每个人都实现所有的算法，只需要简单的调用sklearn里的模块就可以实现大多数机器学习任务。机器学习任务通常包括分类(Classification)和回归(Regression)，常用的分类器包括SVM、KNN、贝叶斯、线性回归、逻辑回归、决策树、随机森林、xg
转载
2023-11-07 09:35:18
65阅读
python之sklearnSklearn (全称 Scikit-Learn) 是基于 Python 语言的机器学习工具。它建立在 NumPy, SciPy, Pandas 和 Matplotlib 之上.在 Sklearn 里面有六大任务模块：分别是分类、回归、聚类、降维、模型选择和预处理.1.Sklearn通用学习模式Sklearn中包含众多机器学习方法，但各种学习方法大致相同。首先引入需要训
转载
2023-10-08 06:57:21
186阅读
小伙伴们大家好~o(￣▽￣)ブ我是菜菜，这里是我的sklearn课堂第1期：决策树在sklearn中的实现和调参~我的开发环境是Jupyter lab，所用的库和版本大家参考：Python 3.7.1（你的版本至少要3.4以上Scikit-learn 0.20.0 （你的版本至少要0.19Graphviz 0.8.4 (没有画不出决策树哦，安装代码conda install pyth
转载
2024-06-18 12:17:19
688阅读
1 SciKit-Learn介绍2 Sklearn 安装3 选择学习方法4 通用学习模式4.1 导入模块4.2 创建数据4.3 建立模型－训练－预测5 sklearn 强大数据库5.1 导入模块5.2 导入数据－训练模型5.3 创建虚拟数据－可视化6 sklearn 常用属性与功能6.1 导入包和模型6.2 训练和预测6.3 参数和分数 本文为 SciKit-Learn 入门基础篇，主要介绍了一
转载
2024-01-16 17:11:53
59阅读
变量进阶（理解）目标变量的引用可变和不可变类型局部变量和全局变量01. 变量的引用变量 和 数据 都是保存在 内存 中的在 Python 中 函数 的 参数传递 以及 返回值 都是靠 引用 传递的1.1 引用的概念在 Python 中变量 和 数据 是分开存储的数据 保存在内存中的一个位置变量 中保存着数据在内存中的地址变量 中 记录数据的地址，就叫做 引用使用 id() 函数可以查看变量中保存数
转载
2024-02-26 22:50:20
80阅读
