机器学习scikit-learn scikit-learn官网学习资料非常丰富，完全可以自学： http://scikit-le...
转载
2017-05-24 16:57:00
757阅读
2评论
安装如果使用的Anaconda发布的Python版本，可以使用下列命令来安装scikit-learn机器学习库：conda install -c anaconda scikit-learn验证安装完成以后，可以使用下列的方法来进行版本的简单验证，从显示的版本信息上看，目前作者使用的版本号为0.19.1的scikit-learn：bj-m-211510a:tools jinguang1$ pythonPython 3.6.5 |Anaconda, Inc.| (default, A
原创
2021-08-13 09:31:02
1877阅读
“数据决定了机器学习的上限，而算法只是尽可能逼近这个上限”，这句话很好的阐述了数据在机器学习中的重要性。大部分直接拿过来的数据都是特征不明显的、没有经过处理的或者说是存在很多无用的数据，那么需要进行一些特征处理，特征的缩放等等，满足训练数据的要求。我们将初次接触到Scikit-learn这个机器学习库的使用Scikit-learnPython语言的机器学习工具所有人都适用，可在不同的上下文中重用基
转载
2023-12-20 09:27:17
130阅读
网上有很多关于sklearn的学习教程，大部分都是简单的讲清楚某一方面，其实最好的教程就是官方文档。 官方文档地址：https://scikit-learn.org/stable/（可是官方文档非常详细，同时许多人对官方文档的理解和结构上都不能很好地把握，我也打算好好学习sklearn，这可能是机器学习的神器），下面先简单介绍一下sklearn。 自2007年发布以来，scikit-learn
内容概要 怎样使用pandas读入数据怎样使用seaborn进行数据的可视化scikit-learn的线性回归模型和用法线性回归模型的评估測度特征选择的方法 作为有监督学习，分类问题是预測类别结果，而回归问题是预測一个连续的结果。 1. 使用pandas来读取数据 Pandas是一个用于数据探
转载
2016-02-25 08:10:00
263阅读
2评论
1. Support Vector Machines支持向量机（SVM）是一组用于分类（classification）， 回
原创
2022-02-28 15:50:22
273阅读
1. Support Vector Machines支持向量机（SVM）是一组用于分类（classification）， 回归(regression)和异常值检测(outliers detection)的监督学习方法。支持向量机的优点是：在高维空间有效。在维度数量大于样本数量的情况下仍然有效。在决策功能（称为支持向量）中使用训练点的子集，因此它也是内存有效的。多功能：可以为决策功能指定不同的
原创
2021-12-30 11:26:44
463阅读
scikit-learn这个是正版的版本 合在一起的是盗版的，千万不要用
原创
2022-06-16 09:02:08
179阅读
按照学习成本从高到低的顺序，大概如下：TensorFlow：虽然TensorFlow功能强大，但学习曲线比较陡峭，需要掌握一些深度学习的基本概念和数学知识。PyTorch：PyTorch相对而言比较容易上手，但也需要掌握一些深度学习的基本概念和编程经验。Caffe：Caffe具有优秀的性能和速度，但需要一定的编程和配置经验。MXNet：MXNet提供了多种编程语言接口，但需要一些基本的
转载
2023-10-23 16:26:44
216阅读
XGBoost算法• XGBoost是陈天奇等人开发的一个开源机器学习项目，高效地实现了GB
原创
2022-12-14 16:22:49
362阅读
至于聚类的地含义，以及我们熟悉的KMeans算法，基于层次的，基于密度的，我们之前
原创
2022-12-14 16:24:04
228阅读
SVM算法既可用于回归问题，比如SVR(Support Vector Regression，支持向量回归）也可以用于分类问题，比如SVC（Support Vector Classification，支持向量分类）这里简单介绍下SVR：https://scikit-learn.org/stable/modules/svm.html#svm-regression SVM解决回归问
转载
2017-07-17 18:51:00
221阅读
作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊目录第1章 Scikit-learn的中文学习网站第2章 Scikit-learn待学习的对象2.1 四大问题以及算法分类2.2 算法模型选择：对于特定的现实问题，选择合适的模型2.3 数据的预处理第3章 Scikit-learn的学习方法3.1&nb
原创
2022-03-24 15:25:40
743阅读
当我们训练模型的时候，首先得要有数据进行训练。我们拥有一定的数据集的时候，我们不会用所有数据去训练，因为这样我们会不知
原创
2022-12-14 16:22:29
258阅读
特征选择是从已经存在的特征中选择相关性，信息量最多的特征。特征创造，比如降维
原创
2022-12-14 16:22:38
259阅读
Scikit-learn使用总结
作者
Cer_ml
在机器学习和数据挖掘的应用中，scikit-learn是一个功能强大的python包。在数据量不是过大的情况下，可以解决大部分问题。学习使用scikit-learn的过程中，我自己也在补充着机器学习和数据挖掘的知识。这里根据自己学习sklearn的经验，我做一个总结的笔记。另外，我
转载
2023-07-11 13:33:51
149阅读
http://stackoverflow.com/questions/27488446/scikit-learn-countvectorizerfrom sklearn.feature_extraction.text import CountVectorizertexts=["dog cat fish","dog cat cat","fish bird", 'bird']cv = CountVec
原创
2022-07-19 11:52:38
160阅读
目录1 概述2 操作2.1 加载、训练、测试数据集2.2 数据预处理2.3 创建模型2.4 模型拟合2.5 预测2.6 评估模型性能2.7 模型调整
原创
2022-08-16 01:21:36
154阅读
