2019 年 11月 22 日随笔档案 - 11-21

A--集成算法的实现

摘要：集成算法，一种简单好用的算法思路，保存在这里方便以后复习阅读全文

posted @ 2019-11-22 15:27 11-21 阅读(445) 评论(0) 推荐(0)

A--随机森林(RF)的 sciklit-learn 实现

摘要：一、决策树的决策边界 In [2]: import numpy as np import pandas as pd In [7]: #利用sklearn中提供的make_blobs函数生成一个服从高斯分布的二维数组，且将其随机分为四类 from sklearn.datasets import mak 阅读全文

posted @ 2019-11-22 14:14 11-21 阅读(528) 评论(0) 推荐(0)

A--Scikit-Learn 实现决策树

摘要：决策树分类方法速度很快，⽽且不需要进行数据清洗，所以通常很适合作为初步分类手段，在借助更复杂的模型进行优化之前使用。选择模型类在Scikit-Learn中分类树算法都保存在tree模块中，具体算法所属类为DecisionTreeClassifier In [1]: from sklearn.tr 阅读全文

posted @ 2019-11-22 13:57 11-21 阅读(364) 评论(0) 推荐(0)

A--Scikit-Learn入门

摘要： 1.数据接口基本数据表是二维表格数据其中，一行表示一个样本，一列表示一个相关特征，同时对于有监督学习而言，还需要一列特征充当标签列，通常再数据读取为DataFrame格式，方便前期探索特征矩阵简称X，它通常用DataFrame或者Numpy数组表示，目标数组简称y，一般是一维数组通常用一维Nu 阅读全文

posted @ 2019-11-22 13:41 11-21 阅读(211) 评论(0) 推荐(0)

A--最近邻分类器-KNN

摘要： #导入必要的包 import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt %matplotlib inline 构建一个KNN分类器假设输入数据集最后一列是标签，其阅读全文

posted @ 2019-11-22 13:14 11-21 阅读(443) 评论(0) 推荐(0)

A--K-Means快速聚类

摘要：聚类概述皆在理解/探索数据的某些自然结构，商业上最有名的FRM（客户价值评估模型）就是聚类分析的一种数据处理，降维，数据离散压缩，有效的发现最近邻居等。种类 1.K-Means：K均值是基于原型的，划分的聚类计数，它试图发现用户指定个数（K）的簇，（由质心代表） 2.层次聚类：把数据划分为又层次阅读全文

posted @ 2019-11-22 13:01 11-21 阅读(432) 评论(0) 推荐(0)

A--无监督学习算法示例： DBSCAN(聚类）

摘要： K-Means对非球形边界的数据很难达到⼀个较好的分类效果，因此我们需要借助另外的数学理论工具对其进行进一步的完善。利⽤密度进行聚类的方法： DBSCAN。 DNSCAN是⼀种基于密度的聚类方法，旨在寻找被低密度区域分离的高密度区域。 DBSCAN是⼀种简单、有效的基于密度的聚类算法，且包含了基于密阅读全文

posted @ 2019-11-22 12:19 11-21 阅读(511) 评论(0) 推荐(0)

A-无监督学习算法示例：层次聚类

摘要：层次聚类基本原理⼀种针对小样本精确聚类的聚类算法：层次聚类法。所谓更更加精准，⼀方面是指该聚类方法在执行过程中全程保持透明，另⼀面则是在真实的应用场景中，针对数据量不大（数千行左右）的数据，层次聚类往会有一个⾮常好的聚类效果其首先会计算所有数据中最邻近的点，将其归为一个簇，然后取其质心作为簇的代阅读全文

posted @ 2019-11-22 01:17 11-21 阅读(304) 评论(0) 推荐(0)

A-岭回归的python'实现

摘要：虽然在线性回归的求解过程中，通过借助最⼩⼆乘法能够迅速找到全域最优解，但最⼩⼆乘法本身的使⽤条件较为苛刻，必须要求当为满秩矩阵或正定阵时才可进⾏逆矩阵或⼴义逆矩阵的求解，在实际应⽤中经常会遇⻅矩阵不存在逆矩阵或⼴义逆矩阵的情况，并且当X的各列存在线性相关关系（即多重共线性）的时候，最⼩⼆乘法的阅读全文

posted @ 2019-11-22 01:13 11-21 阅读(1852) 评论(0) 推荐(0)

A--利用梯度下降求解逻辑回归的python实现

摘要： #导入必要的包 import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt %matplotlib inline BGD求解逻辑回归 In [2]: #⾸先定义联系函数阅读全文

posted @ 2019-11-22 00:59 11-21 阅读(622) 评论(0) 推荐(0)

A--python梯度下降算法实践

摘要： In [1]: import numpy as np import pandas as pd import matplotlib import matplotlib.pyplot as plt %matplotlib inline In [2]: #自定义一个归一化函数（此函数的前提是我的数据是一个阅读全文

posted @ 2019-11-22 00:46 11-21 阅读(302) 评论(0) 推荐(0)

A--多元线性回归的python实现

摘要： In [1]: import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt In [2]: #创建一个矩阵 a = np.array([[1, 2], [3, 4]]) 阅读全文

posted @ 2019-11-22 00:35 11-21 阅读(910) 评论(0) 推荐(0)

国民经济数据可视化

摘要： import numpy as np import matplotlib.pyplot as plt %matplotlib inline plt.rcParams['font.sans-serif'] = 'Arial Unicode MS' ## 设置中文显示 plt.rcParams['axe 阅读全文

posted @ 2019-11-22 00:21 11-21 阅读(2489) 评论(0) 推荐(0)

python 爬虫实列

摘要：第一个爬虫(爬取图片） In [5]: import urllib.request In [6]: #创建一个ruquest对象 url="https://tieba.baidu.com/p/6310762577" request=urllib.request.Request(url) #连接url 阅读全文

posted @ 2019-11-22 00:10 11-21 阅读(543) 评论(0) 推荐(0)

11-21