绝不原创的飞龙

2018年12月29日

摘要：十六、朴素贝叶斯作者：Chris Albon 译者：飞龙协议：CC BY-NC-SA 4.0 伯努利朴素贝叶斯伯努利朴素贝叶斯分类器假设我们的所有特征都是二元的，它们仅有两个值（例如，已经是独热编码的标称分类特征）。 # 加载库 import numpy as np from sklearn. 阅读全文

posted @ 2018-12-29 14:01 绝不原创的飞龙阅读(19) 评论(0) 推荐(0)

数据科学和人工智能技术笔记十五、支持向量机

摘要：十五、支持向量机作者：Chris Albon 译者：飞龙协议：CC BY-NC-SA 4.0 校准 SVC 中的预测概率 SVC 使用超平面来创建决策区域，不会自然输出观察是某一类成员的概率估计。但是，我们实际上可以通过一些技巧输出校准的类概率。在 SVC 中，可以使用 Platt 缩放，其阅读全文

posted @ 2018-12-29 13:59 绝不原创的飞龙阅读(32) 评论(0) 推荐(0)

数据科学和人工智能技术笔记十四、K 最近邻

摘要：十四、K 最近邻作者：Chris Albon 译者：飞龙协议：CC BY-NC-SA 4.0 确定 K 的最佳值 # 加载库 from sklearn.neighbors import KNeighborsClassifier from sklearn import datasets from 阅读全文

posted @ 2018-12-29 13:58 绝不原创的飞龙阅读(28) 评论(0) 推荐(0)

2018年12月28日

数据科学和人工智能技术笔记十一、线性回归

摘要：十一、线性回归作者：Chris Albon 译者：飞龙协议：CC BY-NC-SA 4.0 添加交互项 # 加载库 from sklearn.linear_model import LinearRegression from sklearn.datasets import load_boston 阅读全文

posted @ 2018-12-28 15:30 绝不原创的飞龙阅读(31) 评论(0) 推荐(0)

数据科学和人工智能技术笔记十、模型选择

摘要：十、模型选择作者：Chris Albon 译者：飞龙协议：CC BY-NC-SA 4.0 在模型选择期间寻找最佳预处理步骤在进行模型选择时，我们必须小心正确处理预处理。首先，GridSearchCV使用交叉验证来确定哪个模型表现最好。然而，在交叉验证中，我们假装作为测试集被留出的一折是不可阅读全文

posted @ 2018-12-28 15:29 绝不原创的飞龙阅读(17) 评论(0) 推荐(0)

数据科学和人工智能技术笔记十三、树和森林

摘要：十三、树和森林作者：Chris Albon 译者：飞龙协议：CC BY-NC-SA 4.0 Adaboost 分类器 # 加载库 from sklearn.ensemble import AdaBoostClassifier from sklearn import datasets # 加载数据阅读全文

posted @ 2018-12-28 15:28 绝不原创的飞龙阅读(23) 评论(0) 推荐(0)

数据科学和人工智能技术笔记十二、逻辑回归

摘要：十二、逻辑回归作者：Chris Albon 译者：飞龙协议：CC BY-NC-SA 4.0 C 超参数快速调优有时，学习算法的特征使我们能够比蛮力或随机模型搜索方法更快地搜索最佳超参数。 scikit-learn 的LogisticRegressionCV方法包含一个参数C。如果提供了一个列阅读全文

posted @ 2018-12-28 15:26 绝不原创的飞龙阅读(21) 评论(0) 推荐(0)

ApacheCN 学习资源汇总 2018.12

摘要：【主页】 apachecn.org【Github】@ApacheCN暂时下线: 社区暂时下线: cwiki 知识库自媒体平台微博：@ApacheCN知乎：@ApacheCNCSDN简书OSChina博客园我们不是 Apache 的官方组织/机构/团体，只是 Apache 技术栈（以及 AI）的爱阅读全文

posted @ 2018-12-28 10:09 绝不原创的飞龙阅读(19) 评论(0) 推荐(0)

2018年12月26日

数据科学和人工智能技术笔记九、模型验证

摘要：九、模型验证作者：Chris Albon 译者：飞龙协议：CC BY-NC-SA 4.0 准确率 # 加载库 from sklearn.model_selection import cross_val_score from sklearn.linear_model import Logistic 阅读全文

posted @ 2018-12-26 17:26 绝不原创的飞龙阅读(46) 评论(0) 推荐(0)

数据科学和人工智能技术笔记八、特征选择

摘要：八、特征选择作者：Chris Albon 译者：飞龙协议：CC BY-NC-SA 4.0 用于特征选取的 ANOVA F 值如果特征是类别的，计算每个特征与目标向量之间的卡方（ χ 2 \chi^{2} χ2）统计量。但是，如果特征是定量的，则计算每个特征与目标向量之间的 ANOVA F 值阅读全文

posted @ 2018-12-26 17:24 绝不原创的飞龙阅读(23) 评论(0) 推荐(0)

龙哥盟

掠夺·扩张·投机·博弈

公告