Python [ sklearn 学习 ]
0. 安装# pip 终端安装
pip install pandas
pip install matplotlib
pip install numpy
pip install graphviz # --- 或者 conda install python-graphviz
pip install scikit-learn注意在pycharm
转载
2024-09-27 20:26:42
29阅读
一、简介为了能够更好的学习文本挖掘相关的内容，本人准备对机器学习、深度学习等等相关内容都进行一定的了解。今天的内容是关于机器学习中sklearn库的一些介绍和用法。 相应的，由于网上的一些内容实在是不咋的，所以本人诚挚推荐大家参照sklearn库的官方文档进行学习。但是官方文档中的内容对于没有入门的小白来说理解起来还是有一些难度的。二、sklearn是什么？2.1、sklearn简介sklearn
转载
2023-09-28 00:34:19
90阅读
# Python Sklearn 获取 p 值的全面指南
在数据科学和统计学中，p 值是用来判断假设检验中样本数据相对于原假设的支持程度的重要指标。通过 p 值，我们可以判断观察到的结果是否具有统计学意义。在 Python 中，`sklearn` 是一个广泛使用的机器学习库，但它并不直接提供 p 值的计算。不过，可以通过结合其他库如 `scipy` 来实现。这篇文章将详细介绍如何在 `sklea
1.1 scikit-learn参数介绍1.1.1 导入from sklearn.linear_model import LogisticRegression1.1.2 版本scikit-learn==0.21.31.1.3 参数1.1.3.1 penaltyl1、l2、elasticnet、none，默认l2l1
转载
2023-12-17 15:43:26
152阅读
上次介绍了KNN的基本原理，以及KNN的几个窍门，这次就来用sklearn实践一下KNN算法。一.Skelarn KNN参数概述要使用sklearnKNN算法进行分类，我们需要先了解sklearnKNN算法的一些基本参数，那么这节就先介绍这些内容吧。def KNeighborsClassifier(n_neighbors = 5,
weights='u
转载
2024-06-16 12:49:51
270阅读
DecisionTreeRegressorclass sklearn.tree.DecisionTreeRegressor (criterion=’mse’, splitter=’best’, max_depth=None,
min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features=Non
转载
2024-06-24 08:51:10
35阅读
1简述问题使用countVectorizer()将文本向量化时发现，文本中长度唯一的字符串会被自动过滤掉，这对于我在做的情感分析来讲，一些表较重要的表达情感倾向的词汇被过滤掉，比如文本'没用的东西，可把我可把我坑的不轻，越用越觉得这个手机真的废'。用结巴分词的精确模式分词，然后我用空格连接这些分词得到的句子是：'没用 的 东西 ， 可 把 我 可 把 我 坑 的 不轻 ， 越用 越 觉得 这个 手
在scikit-learn中，与逻辑回归有关的主要有3个类，LogisticRegression， LogisticRegressionCV 和logistic_regression_path。LogisticRegression和LogisticRegressionCV的主要区别是LogisticRegressionCV使用交叉验证来选择正则化系数C，而LogisticRegression需要自
转载
2024-09-18 21:25:36
83阅读
一、分类模型 1.KNN算法 函数：KNeighborsClassifier() 思路：对k个最近的邻居进行拟合，调试出最佳n_neighbors的值，分别对训练集、验证集、测试集的标记值与预测值进行拟合，用参数accuracy_score recall_score f1_score 对拟合效果进行评定。 from sklearn.metrics import accuracy_s
# 如何在Python中使用statsmodels计算p值
在数据分析中，p值是统计检验中的一个重要指标，它帮助我们判断结果的显著性。使用Python中的statsmodels库可以方便地计算p值。本文将详细介绍如何实现这一过程。
## 流程概述
接下来，我们将按照以下步骤计算p值：
| 步骤 | 描述 |
|------|------|
| 1 | 导入必要的库 |
| 2
文章目录1.介绍2. scoring参数2.1 预定义的值2.2 从metric函数定义你的scoring策略2.3 实现你自己的scoring对象3. 分类metrics3.1 二分类/多分类/多标签3.2 accuracy_score3.3 Cohen’s kappa3.4 混淆矩阵3.5 分类报告3.7 Jaccard相似度系数score3.8 准确率，召回率与F值3.8.1 二分类3.8.
转载
2024-05-13 15:31:05
110阅读
最近笔者受邀进行了一次分享并为此制作了一个 PPT 。完后 PPT 弃之可惜，做成图片配上说明分享于此（PDF 版）。 page 1 题图来自波兰艺术家 Zbigniew Bielak 。他的作品被许多重金属 / 极端金属乐队用作专辑封面。例如 Mayhem ，Behemoth，Ghost 等。 page 2 本 PPT 的内容导览。思路是先介
转载
2024-02-21 13:43:26
77阅读
描述性统计分析定义所谓描述性统计分析，就是对一组数据的各种特征进行分析，以便于描述测量样本的各种特征及其所代表的总体的特征。描述性统计分析的项目很多，常用的如平均数、标准差、中位数、频数分布、正态或偏态程度等等。这些分析是复杂统计分析的基础。 方差和标准差标准差用来度量观测值偏离平均数的大小，相当于平均偏差，可以直接描述数据偏离均值的程度。均值的标准误值均值的标准误用来衡量不同样本的均值
第一章：sklearn总体介绍引言Sklearn (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，里面的 API 的设计非常好，所有对象的接口简单，很适合新手上路。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，如下图从其官网的截屏。要使用上述六
转载
2023-11-03 21:13:34
94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，逻辑回归的应用场景广告点击率是否为垃圾邮件是否患病金融诈骗虚假账号二，逻辑回归的原理1，输入逻辑回归的输入是线性回归的结果：2，激活函数1）sigmoid函数 回归的结果输入到sigmod函数当中输出结果：[0，1]区间中的一个概率值，默认为0.5的门限值2）注意：逻辑回归的最终分类是通过某个类别的概率来判断是否属于某个类别，并且这个类别默认标记为1（正例），另一个标记为0（反例）。默认目标值
转载
2023-12-03 17:55:53
450阅读
SVM支持向量机进行分类与回归操作：【机器学习】使用scikitLearn进行SVM支持向量机非线性分类【机器学习】使用scikitLearn进行SVM支持向量机进行回归一、基本概念介绍 支持向量机SVM特别适用于中小型复杂数据集的分类。 SVM作为一种大间隔分类方法，使用超平面对数据集进行分类，并保证超平面尽可能远离最近的分类实例。如上图所示，经SVM分类后，超平面距离最近的数据实例尽可能远，这
转载
2024-11-01 15:21:57
35阅读
梯度下降法梯度下降法的基本思想可以类比为一个下山的过程。假设这样一个场景：一个人被困在山上，需要从山上下来(i.e. 找到山的最低点，也就是山谷)。但此时山上的浓雾很大，导致可视度很低。因此，下山的路径就无法确定，他必须利用自己周围的信息去找到下山的路径。这个时候，他就可以利用梯度下降算法来帮助自己下山。具体来说就是，以他当前的所处的位置为基准，寻找这个位置最陡峭的地方，然后朝着山的高度下降的地方
转载
2024-04-01 00:18:19
32阅读
1. K-Means算法是一种广泛使用的聚类算法。from sklearn.cluster import KMeansK-Means是聚焦于相似的无监督的算法，以距离作为数据对象间相似性度量的标准，即数据对象间的距离越小，则它们的相似性越高，则它们越有可能在同一个类。K值指的是把数据划分成多少个类别。算法步骤：随机设置K个特征空间内的点作为初始的聚类中心。对于其他每个点计算到K个中心的距离，未知的
转载
2023-06-21 22:34:56
156阅读
Python数据分析—— pandas统计分析基础 （一）Pandas—数据分析核心库pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。提供了一系列能够快速、便捷地处理结构化数据的数据结构和函数。高性能的数组计算功能以及电子表格和关系型数据库（如 SQL）灵活的数据处理功能。复杂精细的索引功能，以便便捷地完成重塑、切片和切块、聚合及选取数据子集等操作文本文件读取op
转载
2023-12-24 21:34:07
67阅读
