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
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
一、安装sklearnconda install scikit-learn参考文献[1]整体介绍sklearn二、介绍RandomForestRegressor1 sklearn.ensemble.RandomForestRegressor( n_estimators=10,2 criterion='mse',3 max_depth=None,4 min_samples_split=2,5 min
转载
2023-10-29 07:10:55
62阅读
Sklearn基本属性Sklearn算法库1.K近邻算法kNN2.朴素贝叶斯算法3逻辑回归4支持向量机5集成方法-随机森林6集成方法——Adaboost7集成方法-梯度提升树GBDT 基本属性Scikit-learn(sklearn)是机器学习中常用的第三方模块，对常用的机器学习方法进行了封装，包括回归(Regression)、降维(Dimensionality Reduction)、分类
转载
2023-11-08 22:50:25
236阅读
发现个很有用的方法——predict_proba今天在做数据预测的时候用到了，感觉很不错，所以记录分享一下，以后可能会经常用到。我的理解：predict_proba不同于predict，它返回的预测值为，获得所有结果的概率。（有多少个分类结果，每行就有多少个概率，以至于它对每个结果都有一个可能，如0、1就有两个概率）举例：获取数据及预测代码：from sklearn.linear_model im
转载
2023-09-18 16:18:45
208阅读
1.鼠标移动到这里，右键单击 2.找到WIndow终端（管理员） （1，2步也可以Win+R --> 'cmd’进入命令提示符 也就是终端） 3.输入这个pip install scikit-learn（貌似我的库之前有numpy等等） 可以参考下：初学者安装Sklearn详细步骤 然后输入：python进入python模式检查一下：import sklearn没有报错！哦耶 附录： 看自
转载
2023-05-18 15:19:57
1913阅读
KNN分类算法相对另类，不太依赖数学。KNN分类算法：用多数表决进行分类KNN算法中最重要的两个概念：多数表决距离以鸢尾花样本为例，随机选取了两个特征，用不同颜色表示不同的鸢尾花类别：import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
X, y = load_iris(return_X_y=True)
pl
转载
2023-08-08 10:08:23
96阅读
我就废话不多说了，大家还是直接看代码吧~clf=KMeans(n_clusters=5)#创建分类器对象fit_clf=clf.fit(X)#用训练器数据拟合分类器模型clf.predict(X)#也可以给新数据数据对其预测print(clf.cluster_centers_)#输出5个类的聚类中心y_pred= clf.fit_predict(X)#用训练器数据X拟合分类器模型并对训练器数据X进
转载
2023-09-18 19:03:24
122阅读
目录简介 常规使用模式sklearn中的数据展示sklearn model中常用属性与功能数据标准化交叉验证过拟合问题保存模型小结简介Scikit-learn(sklearn)是机器学习中常用的第三方模块，对常用的机器学习方法进行了封装，包括回归（Regression）、降维（Dimensionality Reduction）、分类（Classfication）、聚类（Clusterin
转载
2024-04-02 15:05:32
302阅读
简介管道机制实现了对全部步骤的流式化封装和管理（streaming workflows with pipelines）。管道机制(也有人翻译为流水线学习器?这样翻译可能更有利于后面内容的理解)在机器学习算法中得以应用的根源在于，参数集在新数据集（比如测试集）上的重复使用。使用管道机制可以大幅度减少代码量.总的来说这是一个非常实用而有趣的方法注意：管道机制更像是编程技巧的创新，而非算法的创新。通常流
转载
2024-01-11 15:08:53
65阅读
1.数据预处理的意义:机器学习是从数据中自动分析获得规律（模型），并利用规律对未知数据进行预测.由于数据在获取过程中难免出现异常值,缺失值,多条特征数据线形相关,或者特征数据不适用于算法需求等问题.数据和特征决定了机器学习的上限,数据预处理将原始数据转换为既能代表数据整体特征,又满足算法(模型)需求的数据集(将真实值转变为特征值)，从而提高提高了对未知数据的模型准确性.2.python实现:pyt
转载
2024-06-11 16:53:49
165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
每天都从包的导入开始，今天学习之任务如：from sklearn.pipeline import Pipeline首先，什么是Pipeline，中文翻译为管道，其实个人觉得流水线可能更贴切一点。他要做的就是把一系列的类连成一条流水线，然后让数据在流水线上“跑起来”。贴上官方文档的关于Pipeline的参数讲解： 该类总共有三个参数：steps:为此类最关键的参数，主要是设定流水线上的一
转载
2023-11-02 07:04:29
92阅读
python sklearn 安装写在前面&安装环境cmd 换盘符添加路径path关于pip安装sklearn报错没有安装它所依赖的包需要microsoft Visual Studio build tool 写在前面&安装环境sklearn是机器学习包，全名scikit-learn（官网） 以前都是用Anaconda直接打包安装好python，主要的包都携带安好，非常方便就能安装
转载
2023-09-17 07:53:05
480阅读
Python sklearn库是一个丰富的机器学习库，里面包含内容太多，这里对一些工程里常用的操作做个简要的概述，以后还会根据自己用的进行更新。1、LabelEncoder简单来说 LabelEncoder 是对不连续的数字或者文本进行按序编号，可以用来生成属性/标签from sklearn.preprocessing import LabelEncoder
encoder=Labe
转载
2023-10-19 21:13:37
89阅读
# 如何在Python中安装sklearn库
在数据科学和机器学习领域，`sklearn`（即Scikit-learn）是非常常用的库。对于刚入行的小白而言，安装这个库可能会感到有些困惑。在这篇文章中，我们将带你逐步完成`sklearn`库的安装过程。下面是整个流程的简要概述。
## 流程概述
| 步骤 | 描述 |
|------|-----
原创
2024-09-26 07:35:12
1458阅读
【机器学习】 sklearn 模块详解前言小白问题解决机器学习一般问题的步骤sklearn 概述sklearn dataset模块预处理 sklearn.preprcessing特征抽取 sklearn.feature_extraction特征选择 sklearn.feature_selection降维 sklearn.decomposition模型评估 sklearn.metrics分类结果度
转载
2024-06-14 21:51:46
162阅读
无监督学习是在没有标签的数据上训练的。其主要目的可能包括聚类、降维、生成模型等。以下是 6 个重要的无监督学习算法，这些算法都可以通过使用sklearn（Scikit-learn）库在Python中很好地处理：目录K-Means 聚类层次聚类DBSCAN主成分分析独立成分分析高斯混合模型K-Means 聚类数据准备首先，我们导入必要的库和数据，并进行基本的数据探查。这里，准备了名称为「custom
转载
2024-08-12 08:36:55
60阅读
一、导学机器学习：实现人工智能的手段，利用数据或经验进行学习，改善具体算法的性能。机器学习分类监督学习（Supervised Learning）从给定的数据集中学习出一个函数，当新的数据到来时，通过函数预测结果。训练集通常由人工标注。无监督学习（Unsupervised Learning）训练集没有人标注的结果。半监督学习（Semi-supervised Learning）介于监督学习和无监督学习
转载
2023-11-26 14:04:53
75阅读
sklearn库的简介sklearn库 sklearn是scikit-learn的简称，是一个基于Python的第三方模块。sklearn库集成了一些常用的机器学习方法，在进行机器学习任务时，并不需要实现算法，只需要简单的调用sklearn库中提供的模块就能完成大多数的机器学习任务。 sklearn库是在Numpy、Scipy和matplotlib的基础上开发而成的，因此在介绍sklearn
转载
2023-11-03 18:05:30
218阅读
