随笔分类 - 机器学习
摘要：项目目标 由于大气运动极为复杂，影响天气的因素较多，而人们认识大气本身运动的能力极为有限，因此天气预报水平较低，预报员在预报实践中，每次预报的过程都极为复杂，需要综合分析，并预报各气象要素，比如温度、降水等。本项目需要训练一个二分类模型，来预测在给定天气因素下，城市是否下雨。 数据说明 本数据包含了
阅读全文
摘要：项目目标 泰坦尼克号的沉没是历史上最著名的还难事件之一，在船上的2224名乘客和机组人员中，共造成1502人死亡。本次项目的目标是运用机器学习工具来预测哪些乘客能够幸免于难。 项目过程 导入并探索数据 处理缺失值，删除与预测无关的特征 将分类变量转换为数值型变量 实例化模型并进行交叉验证 模型预测
阅读全文
摘要：在机器学习中，我们一般会把数据集分为训练集和测试集，训练集用于创建模型，测试集用于评估模型的好坏。如果效果不好，我们就进行调参，继续在测试集上进行测试。实际上这有可能使得模型对于测试集过拟合，进而在面对新的未知数据时预测效果不好。 为了尽量避免针对测试集和训练集过拟合的问题，一般在数据量少的情况下，
阅读全文
摘要：PCA 即主成分分析技术，旨在利用降维的思想，把多指标转化为少数几个综合指标。 假设目前我们的数据特征为3，即数据维度为三，现在我们想将数据降维为二维，一维： 我们之前的数据其实就是三维空间中的一个个点，这些点漫布在空间中，如下图所示 将这些数据去掉一个维度，也就是说将这些数据映射到某一个平面上，可
阅读全文
摘要：import numpy as np import matplotlib.pyplot as plt 构造一元二次方程 x = np.linspace(-1, 6, 141) y = (x-2.5)**2-1 绘图 plt.plot(x,y) 目标函数 def J(theta): try: retu
阅读全文
摘要：import numpy as np import matplotlib.pyplot as plt from sklearn import datasets # 获取数据 boston = datasets.load_boston() X = boston.data y = boston.targ
阅读全文
摘要：衡量回归算法的标准 import numpy as np import matplotlib.pyplot as plt from sklearn import datasets 波士顿房产数据 boston = datasets.load_boston() x = boston.data[:, 5
阅读全文
摘要：import numpy as np import matplotlib.pyplot as plt from sklearn import datasets 获取数据 boston = datasets.load_boston() X = boston.data y = boston.target
阅读全文
摘要：实现 Simple Linear Regression import numpy as np import matplotlib.pyplot as plt x = np.arange(1, 6, dtype=float) y = np.array([1., 3., 2., 3., 5.]) plt
阅读全文
摘要：import numpy as np from sklearn import datasets iris = datasets.load_iris() X = iris.data y = iris.target X[:10,:] array([[5.1, 3.5, 1.4, 0.2], [4.9,
阅读全文
摘要：import numpy as np import matplotlib.pyplot as plt 最值归一化 x = np.random.randint(0,100,size=100) np.mean(x),np.std(x) (50.16, 28.943641788828167) x1 = (
阅读全文
摘要：import numpy as np import matplotlib import matplotlib.pyplot as plt from sklearn import datasets from sklearn.model_selection import train_test_split
阅读全文
摘要：digits 手写数据测试 import numpy as np import matplotlib import matplotlib.pyplot as plt from sklearn import datasets from sklearn.model_selection import tr
阅读全文
摘要：导入库 import numpy as np from sklearn import datasets import matplotlib.pyplot as plt 导入数据 iris = datasets.load_iris() 数据准备 X = iris.data y = iris.targe
阅读全文
摘要：1、将数据分为测试数据和预测数据 2、数据分为data和target，data是矩阵，target是向量 3、将每条data（向量）绘制在坐标系中，就得到了一系列的点 4、根据每条data的target的不同，给点赋予不同的颜色 5、当新数据来到时，比如只有一条数据，将新数据绘制在坐标系中，就得到了
阅读全文
摘要：>>> import numpy as np >>> L = np.random.random(100) >>> L array([0.82846513, 0.19136857, 0.27040895, 0.56103442, 0.90238039, 0.85178834, 0.41808196,
阅读全文
摘要：>>> import numpy as np >>> np.zeros(10,dtype=int) array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0]) >>> np.zeros((3,5)) array([[0., 0., 0., 0., 0.], [0., 0., 0.,
阅读全文
摘要：生成数组 >>> import numpy as np >>> np.random.randn(10) array([ 0.52712347, -1.65888503, -1.00390235, 1.01367036, -0.15752943, -2.2986508 , -0.00966312, -
阅读全文
摘要：%run %run C:\Users\User\Desktop\hello.py hello world %timeit %timeit L = [i for i in range(1000)] 29.1 µs ± 2.98 µs per loop (mean ± std. dev. of 7 ru
阅读全文
摘要：import numpy as np x = np.arange(16) index = [3,5,8] x[index] array([3, 5, 8]) X = x.reshape(4,-1) X array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10,
阅读全文
浙公网安备 33010602011771号