龙哥盟

摘要： 5.1 什么是机器学习 原文：What Is Machine Learning? 译者：飞龙 协议：CC BY-NC-SA 4.0 译文没有得到原作者授权，不保证与原文的意思严格一致。 在我们查看机器学习方法的各种细节之前，先了解什么是机器学习，什么不是。机器学习通常被归类为人工智能的一个子领域，但 阅读全文

摘要： 5.5 朴素贝叶斯分类 原文：In Depth: Naive Bayes Classification 译者：飞龙 协议：CC BY-NC-SA 4.0 译文没有得到原作者授权，不保证与原文的意思严格一致。 前四节对机器学习概念进行了总体概述。 在本节和随后的一节中，我们将仔细研究几种具体的监督和无 阅读全文

摘要： # coding: utf-8 # 作者：Wizard <github.com/wizardforcel> # 预测今后的北京高考人数 # 假设 x 年的出生人数和 (x + 18) 年的高考人数是线性关系 import numpy as np from matplotlib import pypl 阅读全文

摘要： Scikit-learn 秘籍 原书：Scikit-learn Cookbook 在线阅读PDF格式EPUB格式MOBI格式代码仓库 译者 章节译者1预处理2回归3聚类4分类5后处理 协议 CC BY-NC-SA 4.0 阅读全文

摘要： 第五章 模型后处理 作者：Trent Hauck 译者：飞龙 协议：CC BY-NC-SA 4.0 5.1 K-fold 交叉验证 这个秘籍中，我们会创建交叉验证，它可能是最重要的模型后处理验证练习。我们会在这个秘籍中讨论 k-fold 交叉验证。有几种交叉验证的种类，每个都有不同的随机化模式。K- 阅读全文

摘要： 第四章 使用 scikit-learn 对数据分类 作者：Trent Hauck 译者：飞龙 协议：CC BY-NC-SA 4.0 分类在大量语境下都非常重要。例如，如果我们打算自动化一些决策过程，我们可以利用分类。在我们需要研究诈骗的情况下，有大量的事务，人去检查它们是不实际的。所以，我们可以使用 阅读全文

摘要： Python 数据科学入门教程：机器学习：回归 原文：Regression - Intro and Data 译者：飞龙 协议：CC BY-NC-SA 4.0 引言和数据 欢迎阅读 Python 机器学习系列教程的回归部分。这里，你应该已经安装了 Scikit-Learn。如果没有，安装它，以及 P 阅读全文

摘要： # 来源：NumPy Essentials ch6 绘图函数 import matplotlib.pyplot as plt import numpy as np def show(ori_func, ft, sampling_period = 5): n = len(ori_func) inter 阅读全文

摘要： # 来源：NumPy Essentials ch5 矩阵 import numpy as np ndArray = np.arange(9).reshape(3,3) # matrix 可以从 ndarray 直接构建 x = np.matrix(ndArray) # identity 用于构建单位 阅读全文

摘要： # 来源：NumPy Essentials ch4 步长 # 步长是每个维度相邻两个元素的偏移差值 import numpy as np x = np.arange(8, dtype = np.int8) x # array([0, 1, 2, 3, 4, 5, 6, 7]) # x 是一维数组，步 阅读全文