最咸的鱼

摘要： 1.梯度下降法 是一种基于搜索的最优化方法，作用是最小化一个损失函数。 但不是所有的函数都有唯一的极值点。 解决方案：多次运行，随机初始化点 梯度下降法的初始点也是一个超参数 线性回归法的损失函数具有唯一的最优解。 模拟实现梯度下降法 1 import numpy as np 2 import ma 阅读全文

摘要： 1.最小二乘法 手工推导使损失函数最小的参数a和b： 2.简单线性回归的实现 1 import numpy as np 2 import matplotlib.pyplot as plt 3 4 x=np.array([1.,2.,3.,4.,5.]) 5 y=np.array([1.,3.,2., 阅读全文

摘要： 1 """ 2 #演示内容：二次回归和线性回归的拟合效果的对比 3 """ 4 print(__doc__) 5 6 import numpy as np 7 import matplotlib.pyplot as plt 8 from sklearn.linear_model import Lin 阅读全文

摘要： 1.K近邻算法基础实例 1 import numpy as np 2 import matplotlib.pyplot as plt 3 4 raw_data_X=[[3.9,2.3], 5 [3.1,1.7], 6 [1.3,3.3], 7 [3.5,4.6], 8 [2.2,2.8], 9 [7 阅读全文

摘要： 1.线性回归模型及求解方法 什么是回归？ X的行表示每个样本，列表示每个特征。 研究X和Y之间关系的统计分析方法称之为回归。其中X是自变量，Y是因变量。 利用训练数据，使用回归模型（如线性模型）去拟合变量之间的关系。因此训练任务就是利用数据，来学习模型中的参数 parameter（如线性模型中的斜率 阅读全文

摘要： pyplot绘图 import matplotlib.pyplot as plt import numpy as np x=np.linspace(0,10,100) siny=np.sin(x) cosy=np.cos(x) plt.plot(x,siny) #plt.plot(x,siny,co 阅读全文

摘要： 1 """ 2 演示内容：文档的向量化 3 """ 4 from sklearn.feature_extraction.text import CountVectorizer 5 corpus = [ 6 'Jobs was the chairman of Apple Inc., and he wa 阅读全文

摘要： 1.Jupyter notebook中的魔法命令 %run 在Jupyter中加载.py文件 先搞清楚Jupyter中文件的默认路径，修改完后再运行 import os print(os.path.abspath('.')) F:\python_DemoCode\JuypterNotebook %r 阅读全文

摘要： 1.特征工程 什么是特征工程？ 引自知乎:“数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。 深度学习也要用到特征，需要对输入的特征进行组合变换等处理。 自动分词 自动分词就是将用自然语言书写的文章、句段经计算处理后，以词为单位给以输出，为后续加工处理提供先决条件。 词形规范化的两 阅读全文

摘要： 1 #利用鸢尾花数据集绘制P-R曲线 2 print(__doc__) #打印注释 3 4 import matplotlib.pyplot as plt 5 import numpy as np 6 from sklearn import svm, datasets 7 from sklearn. 阅读全文