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 2、PCA 二、并用自己的话阐述出两者的主要区别 第一题： 特征选择：从所有特征中选取有用的特征。 PCA：通过降维，建立新特征取代部分冗余的旧特征。 第二题： 特征选择 PCA 不会改变特征值 会改变特征值 不会减少数据集的维数 可以减少数据集的维 阅读全文
posted @ 2020-04-27 21:29 seele233 阅读(111) 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 from sklearn.feature_selection import VarianceThre 阅读全文
posted @ 2020-04-27 10:35 seele233 阅读(136) 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） 2.用logiftic回归来进行实践操作，数据不限。 第一题： ①增加样本量。②对稀疏的数据进行正则化处理。③特征选择。④特征离散化。 过拟合时，拟合函数的系数往往非常大，需要顾忌每一个点，最终形成的拟合函数波动很 阅读全文
posted @ 2020-04-27 09:56 seele233 阅读(154) 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？ 2.自述一下什么是过拟合和欠拟合？ 3.思考一下逻辑回归的应用场景有哪些？ 1.逻辑回归：逻辑回归是一种用于解决二分类问题的机器学习方法，用于估计某种事物的可能性。 线性回归 逻辑回归 要求变量服从正态分布 对变量分布没有要求 要 阅读全文
posted @ 2020-04-23 20:08 seele233 阅读(182) 评论(0) 推荐(1)
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 2.思考线性回归算法可以用来做什么？（大家尽量不要写重复） 3.自主编写线性回归算法 ，数据可以自己造，或者从网上获取。（加分题） 第一题 ①机器学习分类 ②了解回归算法 ③回归和分类的区别 ④线性回归模型 ⑤损失函数 ⑥ 阅读全文
posted @ 2020-04-21 10:58 seele233 阅读(136) 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 2. 观察学习与生活中可以 阅读全文
posted @ 2020-04-18 21:32 seele233 阅读(210) 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 2）. *自主编写K-means算法 ，以鸢尾花花瓣长度数据做聚类，并用散点图显示。（加分题） 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 阅读全文
posted @ 2020-04-14 13:13 seele233 阅读(191) 评论(0) 推荐(0)
2.机器学习相关数学基础
摘要：用自己的话总结“梯度”，“梯度下降”和“贝叶斯定理”。 梯度 一个向量，表示某一函数在该点处的方向导数沿该方向取得最大值，即函数在该点处沿着该方向变化最快且变化率最大。 梯度下降 一种迭代法，可用于求解最小二乘问题。（让梯度中所有偏导函数都下降到最低点的过程） 贝叶斯定理 关于随机事件A和B的条件概 阅读全文
posted @ 2020-04-13 16:27 seele233 阅读(126) 评论(0) 推荐(0)
1.机器学习概述
摘要：开发环境及Python版本 pip list 机器学习定义 机器学习模型算法 1.逻辑回归 2.EM算法 3.集成学习 4.随机森林和GBDT 5.ID3/C4.5 6.K-means 7.K近邻 8.xgboost/lightGBM Pip部分命令 pip install 包名 下载包 pip u 阅读全文
posted @ 2020-04-01 13:16 seele233 阅读(171) 评论(0) 推荐(0)