04 2020 档案

9、主成分分析
摘要：一、用自己的话描述出其本身的含义： 1、特征选择 特征选择是选择部分特征当做机器学习的相关数据，也就是特征选择后的特征是原来特征的一个子集。 2、PCA 主成分分析本质是一种分析，是简化数据集的技术，目的是数据维数压缩，尽可能降低原数据的维数，损失少量信息。 二、并用自己的话阐述出两者的主要区别 特 阅读全文
posted @ 2020-04-30 10:01 Rick00 阅读(219) 评论(0) 推荐(0)
8、特征选择
摘要：用过滤法对以下数据进行特征选择： [[0,2,0,3], [0,1,4,3], [0,1,1,3]] 要求： 1、Variance Threshold（threshold =1.0） 2、将结果截图放上来（没有条件的备注说明原因）注意：每个人的电脑ID是不一样的 代码及运行结果： 阅读全文
posted @ 2020-04-29 22:57 Rick00 阅读(132) 评论(0) 推荐(0)
7.逻辑回归实践
摘要：1.逻辑回归是怎么防止过拟合的？为什么正则化可以防止过拟合？（大家用自己的话介绍下） 逻辑回归是通过正则化防止过拟合；当我们有很多特征变量时，其中每一个变量都能对预测产生一点影响。正如我们在房价预测的例子中看到的那样，我们可以有很多特征变量，其中每一个变量都是有用的，因此我们不希望把它们删掉，而正则 阅读全文
posted @ 2020-04-26 21:54 Rick00 阅读(189) 评论(0) 推荐(0)
6.逻辑回归
摘要：1.用自己的话描述一下，什么是逻辑回归，与线性回归对比，有什么不同？ 逻辑回归是基于线性回归的一种分类模型，逻辑回归虽说是回归但它解决的是分类问题，在实际问题中，所研究的变量往往不全是区间变量而是顺序变量或属性变量的时候，比如对于二项分布问题，需采用逻辑回归模型解决。 线性回归解决的就是回归问题，所 阅读全文
posted @ 2020-04-24 10:19 Rick00 阅读(295) 评论(0) 推荐(0)
5.线性回归算法
摘要：1.本节重点知识点用自己的话总结出来，可以配上图片，以及说明该知识点的重要性 之于上节课学习的聚类，这节课的回归分析开篇先对这两种方法进行区别说明，以免后面学习混淆陷入理解误区： 线性回归的定义： 重温讲解了数组与矩阵的区别： 对于机器运算中的误差差距，可用梯度下降法去解决： 线性回归对大量的观测数 阅读全文
posted @ 2020-04-21 20:44 Rick00 阅读(302) 评论(0) 推荐(0)
4.K均值算法--应用
摘要：1. 应用K-means算法进行图片压缩 读取一张图片 观察图片文件大小，占内存大小，图片数据结构，线性化 用kmeans对图片像素颜色进行聚类 获取每个像素的颜色类别，每个类别的颜色 压缩图片生成：以聚类中收替代原像素颜色，还原为二维 观察压缩图片的文件大小，占内存大小 实现代码： from sk 阅读全文
posted @ 2020-04-18 11:51 Rick00 阅读(177) 评论(0) 推荐(0)
3.K均值算法
摘要：1）. 扑克牌手动演练k均值聚类过程：>30张牌，3类 3）. 用sklearn.cluster.KMeans，鸢尾花花瓣长度数据做聚类，并用散点图显示. 4）. 鸢尾花完整数据做聚类并用散点图显示. 5）.想想k均值算法中以用来做什么？ 我觉得在生活中可以利用聚类分析算法对交通事故原因进行分析，随 阅读全文
posted @ 2020-04-14 22:38 Rick00 阅读(156) 评论(0) 推荐(0)
2.机器学习相关数学基础
摘要：1）贴上视频学习笔记，要求真实，不要抄袭，可以手写拍照。 以下是视频学习的一些知识点截图整理： 对于解决概率性问题可画图巧解： 对于解决问题建立的概率模型： 概率公式： 通过应用例子能更好理解贝叶斯公式： 两点分布： Beta分布的期望： 方阵的行列式： 代数余子式： 矩阵的乘法： 正定阵与其判定： 阅读全文
posted @ 2020-04-12 19:04 Rick00 阅读(178) 评论(0) 推荐(0)
1. 机器学习概述
摘要：1）贴上Python环境及pip list截图，了解一下大家的准备情况。暂不具备开发条件的请说明原因及打算。 2）贴上视频学习笔记，要求真实，不要抄袭，可以手写拍照。 什么是机器学习： 机器学习一般流程： 机器学习的一些方法： 等等。。。 对于数学知识则讲解了构造数列、自然参数、导数、常用函数的导数 阅读全文
posted @ 2020-04-04 21:22 Rick00 阅读(192) 评论(0) 推荐(0)