之前做图像分类的项目的时候一直在寻找一个行之有效的迁移学习的实现方法，但是寻找了许久都没有找到。经过我们团队的努力实践最近终于探索出一个有效的方法，这里拿出来跟大家一起探讨一下看看还有那些地方需要改进的。一，背景首先因为迁移学习其实没有理论性的一个定义，所以先解析一下我们所需要实现的迁移学习，我们的图像分类是现实分类中的其中一类物体的垂直分类，细分到具体型号的。然后我们是基于DenseNet201
转载
2024-04-07 22:52:57
64阅读
如有错误，恳请指出。 文章目录1. scikit-learn概述1.1 技巧介绍1.2 模型保存1.3 模型优化2. scikit-learn涵盖内容3. scikit-learn数据集获取3.1 生成聚类数据：make_blobs3.2 生成分类数据：make_classification3.3 生成环形数据：make_circles3.4 生成回归数据：make_regression3.5 导
转载
2024-04-27 15:56:34
160阅读
在了解逻辑回归原理（见逻辑回归原理总结）的基础上，进一步对sklearn库中的LogisticRegression类进行介绍。语法格式class sklearn.linear_model.LogisticRegression(penalty='l2', *, dual=False, tol=0.0001, C=1.0, fit_inter
目录介绍KNN实战加载模块读取数据训练、测试数据分割关键环节：训练+预测sklearn官方代码实例KNN实现预测 介绍首先上链接 https://www.sklearncn.cn/scikit-learn是基于Python语言的机器学习库，具有：简单高效的数据分析工具 可在多种环境中重复使用 建立在Numpy，Scipy以及matplotlib等数据科学库之上 开源且可商用的-基于BSD许可这里
转载
2023-10-19 07:22:43
113阅读
文章目录sklearnscikit-learn数据集`sklearn.datasets`：加载获取流行数据集`sklearn`大数据集`sklearn`数据集返回值介绍查看数据分布seaborn数据集划分api交叉验证概念目的api机器学习基本流程特征预处理归一化标准化 sklearnscikit-learn数据集sklearn.datasets：加载获取流行数据集datasets.load_*
转载
2024-02-04 00:37:13
66阅读
sklearn数据集数据集划分sklearn机器学习算法的实现-估计器在sklearn中，估计器(estimator)是一个重要的角色，分类器和回归器都属于estimator，是一类实现了算法的API1、用于分类的估计器：sklearn.neighbors k-近邻算法sklearn.naive_bayes 贝叶斯sklearn.linear_model.LogisticRegression 逻辑
转载
2024-06-10 10:20:30
41阅读
文章目录前言单输出分类问题KN分类器质心分类器NCA直接分类降维对比识别手写数字回归问题多输出人脸示例 前言由于项目需要使用近邻算法进行分类，便读了一些官方案例。单输出分类问题KN分类器scikit-learn实现了两个不同的最近邻分类器：KNeighborsClassifier基于实现学习RadiusNeighborsClassifier,在数据未被均匀采样的情况下，基于半径的邻居分类Radi
转载
2023-12-24 18:52:22
101阅读
机器学习常用算法小结有监督有答案的商用最多的，主要是分类无监督没有答案半监督部分有答案使用有答案的数据进行训练模型，然后使用陌生数据进行验证过拟合和欠拟合过拟合：使用样本的特征过多，导致很多无用的特征被加入到计算中，导致模型泛化受到过多无用特征的影响，精度变得很低欠拟合：在选取特征时，选取的过于简单，主要的特征没有获取，导致模型在测试集上的表现很差kNNk近邻算法距离抽象的问题，采用欧式距离最近的
转载
2024-01-02 08:55:06
81阅读
一、K邻近算法的基本概念 一个样本在特征空间中最邻近(距离)的K个样本大多数属于某一个类别，则该样本也属于这个类别。二、sklearn使用欧氏距离实现KNN算法 # 倒入sklearn库中的KNN算法类
from sklearn.neighbors import KNeighborsClassifier
# 创建KNN算法实例并设置K值
KNN_classifier = KNeighb
转载
2024-02-02 06:11:02
102阅读
# 如何使用 Sklearn 进行深度学习
深度学习是现代机器学习中一种重要的技术，能够处理各种复杂的任务。在这篇文章中，我们将介绍如何使用 Scikit-learn（sklearn）整合深度学习。需要注意的是，尽管 Scikit-learn 是一个强大的机器学习库，但它并不专注于深度学习。然而，我们可以结合其他库（如 Keras 和 TensorFlow）来实现这一目标。
## 流程概述
## sklearn深度学习
深度学习是机器学习领域中最引人注目的发展之一。它是一种模仿人脑神经网络的算法，通过多层次的神经元网络来解决复杂的任务。深度学习在图像识别、自然语言处理、语音识别等领域取得了显著的成果。而scikit-learn（简称sklearn）作为Python中最流行的机器学习库之一，也提供了深度学习的功能。
### 什么是深度学习
深度学习是一种层次化的机器学习方法，它通
原创
2023-07-20 04:35:21
149阅读
回归树重要参数，属性和接口【1】criterion【2】交叉验证cross_val_score【3】实例：一维回归的图像绘制绘制图像 重要参数，属性和接口class sklearn.tree.DecisionTreeClassifier(criterion='mse'
,splitter="random"
转载
2024-06-09 17:10:59
83阅读
常用算法在Sklearn中的关键参数详解聚类算法K-Means算法基于Sklearn中的参数from sklearn.cluster import KMeans
KMeans(n_clusters=8
, init='k-means++'
,n_init=10
,max_iter=300
, tol=0.0001
, preco
转载
2024-01-08 11:54:17
95阅读
sklearn快速入门教程 – 准备工作1. 前言sklearn全称 scikit-learn，它是一个集成了目前市面上最常用的机器学习模型的库，使用起来非常轻松简单，因此获得了广泛的应用。从官网显示数据来看，这个项目始于2007年，工具箱在2011年正式发布，并且在机器学习顶级杂志 Journal of Machine Learning Research 发表了对应的论文。能在JMLR上发文章就
转载
2024-01-10 21:00:15
57阅读
下面是学习了莫烦大佬 sklearn 教程的笔记，是供我自己查阅的，不是很详细，介意的勿看~ 莫烦大佬的教程链接在最后一点学习资料里面。 这是目录一、下载与安装二、选择合适的机器学习方法三、通用的学习模式四、sklearn 的 datasets 数据库五、常用属性和功能六、预处理数据七、交叉验证八、保存模型九、学习资料 一、下载与安装使用命令：pip install -U scikit-learn
转载
2023-12-06 16:38:31
44阅读
来源：https://www.cnblogs.com/lianyingteng/p/7811126.html 0 简介 传统的机器学习任务从开始到建模的一般流程是：获取数据 -> 数据预处理 -> 训练建模 -> 模型评估 -> 预测，分类。本文我们将依据传统机器学习的流程，看看在每一步流程中都有哪
转载
2021-06-14 10:52:00
236阅读
2评论
线性回归思想通过学习，找到属性的线性组合来预测输出标记。损失函数一般采用均方误差作为损失函数：优化方法梯度下降法（不满秩情况使用，收敛较慢，有可能求得局部最小值）正规方程求解-最小二乘法（需要X是满秩的，即样本数大于特征数）形式一般线性回归岭回归（Ridge）:防止过拟合，损失函数加入正则化项，L2范数lasso：加入正则化项，L1范数ElasticNet：L1和L2范数混合评价LR.score(
转载
2024-01-28 07:45:10
41阅读
前言：针对一个完整的机器学习框架目前还没有总结出来，所以目前只能总结每一个单独的算法。由于现在研究的重点是算法，所以对于数据的处理
转载
2022-06-18 00:34:13
425阅读
sklearn 的数据集有好多个种自带的小数据集（packaged dataset）：sklearn.datasets.load_ 可在线
转载
2022-06-15 09:49:16
440阅读
import os,sysimport pandas as pdimport numpy as npimport datetimeimport pandas_datareader.data as webimport mathimport matplotlib.pyplot as pltfrom matplotlib import stylefrom sklearn.model_se...
原创
2022-12-05 15:52:05
170阅读
