摘要：
朴素贝叶斯是解决分类任务的好起点，线性回归是解决回归任务的好起点。 简单线性回归 将数据拟合成一条直线。 y = ax + b , a 是斜率， b是直线截距 原始数据如下： 使用LinearRegression评估器来拟合数据 除了简单的直线拟合，还可以处理多维度的线性回归模型。 基函数回归 使用
阅读全文
posted @ 2022-06-05 19:22
llcl
阅读(94)
推荐(0)
摘要：
朴素贝叶斯模型 朴素贝叶斯模型是一组非常简单快速的分类方法，通常适用于维度非常高的数据集。因为运行速度快，可调参数少。是一个快速粗糙的分类基本方案。 naive Bayes classifiers 贝叶斯分类 朴素贝叶斯分类器建立在贝叶斯分类方法的基础上。数学基础是贝叶斯定理。 一个描述统计量条件概
阅读全文
posted @ 2022-06-05 18:27
llcl
阅读(112)
推荐(0)
摘要：
特征工程常见示例： 分类数据、文本、图像。 还有提高模型复杂度的 衍生特征 和 处理 缺失数据的填充 方法。这个过程被叫做向量化。把任意格式的数据 转换成具有良好特性的向量形式。 分类特征 比如房屋数据： 房价、面积、地点信息。 方案1：把分类特征用映射关系 编码成 整数 。 {'Queen Ann
阅读全文
posted @ 2022-06-05 12:48
llcl
阅读(194)
推荐(0)
摘要：
模型验证 model validation 就是在选择 模型 和 超参数 之后。通过对训练数据进行学习。对比模型对 已知 数据的预测值和实际值 的差异。 错误的模型验证方法。 用同一套数据训练 和 评估 模型。 准确率总是100% 。 模型验证正确方法： 留出集。 从训练模型的数据中留出一部分。用这
阅读全文
posted @ 2022-06-04 21:42
llcl
阅读(394)
推荐(0)
摘要：
机器学习分为俩类： 有监督学习 supervised learning 和 无监督学习 unsupervised learning 有监督学习： 对数据的若干特征与若干标签之间 的关联性 进行建模的过程。 只要模型被确定，就可以应用到新的未知的数据上。 进一步可以分为 分类 classificati
阅读全文
posted @ 2022-06-04 16:55
llcl
阅读(180)
推荐(0)
摘要：
向量化字符串操作 Series 和 Index对象 的str属性。 可以正确的处理缺失值 方法列表 正则表达式。 Method Description match() Call re.match() on each element, returning a boolean. extract() Ca
阅读全文
posted @ 2022-06-03 20:51
llcl
阅读(331)
推荐(0)
摘要：
简单累计功能 Series sum() 返回一个 统计值 DataFrame sum。默认对每列进行统计 设置axis参数，对每一行 进行统计 describe()可以计算每一列的若干常用统计值。 获取seaborn planets数据 github: https://github.com/mwas
阅读全文
posted @ 2022-06-03 17:33
llcl
阅读(415)
推荐(0)
摘要：
将不同的数据源进行合并 ， 类似数据库 join merge . 工具函数 concat / append pd.concat() 简易合并 合并高维数据 默认按行合并。 axis=0 ,试试 axis = 1 索引重复 结果中，索引是重复的。 这可能并不是我们想要的结果。 1）捕捉索引重复的错误。
阅读全文
posted @ 2022-06-03 13:47
llcl
阅读(377)
推荐(0)
摘要：
一维数据 和 二维数据 分别使用Series 和 DataFrame 对象存储。 多维数据：数据索引 超过一俩个 键。 Pandas提供了Panel 和 Panel4D对象 解决三维数据和四维数据。 实践中，更直观的形式是通过 层级索引（Hierarchical indexing, 多级索引 = 》
阅读全文
posted @ 2022-05-31 23:38
llcl
阅读(534)
推荐(0)
摘要：
使用微信小程序投票活动云开发 怀庄酒业活动 使用云开发。开始准备使用django开发自己的后台，但是发现功能比较简单，使用云开发更省事 项目结构： cloudfunctions目录下是三个云函数 baoming:就是用户报名功能 getLoginUserData:获取当前登录用户的信息 vote:用
阅读全文
posted @ 2022-05-28 11:11
llcl
阅读(104)
推荐(0)
浙公网安备 33010602011771号
浙ICP备2021040463号-3
