python 机器学习记录

dataset = sns.load_dataset("iris")    gaierror Traceback (most recent call last)

https://blog.csdn.net/AcStudio/article/details/106772665

 

pycharm 自定义创建一个虚拟环境

https://qa.1r1g.com/sf/ask/2287251711/

 

 

 

pip install scikit-learn==0.21.3  安装失败，

Running setup.py install for scikit-learn  error

【

pip install cython

pip install scikit-learn==0.21.3

】

 

切比雪夫距离

 

 

 K值选择问题，李航博士的一书「统计学习方法」上所说

1) 选择较小的K值，就相当于用较小的领域中的训练实例进行预测，“学习”近似误差会减小，只有与输入实例较近或相似的训练实例才会对预测结果起作用，与此同时带来的问题是“学习”的估计误差会增大，换句话说，K值的减小就意味着整体模型变得复杂，容易发生过拟合；

2) 选择较大的K值，就相当于用较大领域中的训练实例进行预测，其优点是可以减少学习的估计误差，但缺点是学习的近似误差会增大。这时候，与输入实例较远（不相似的）训练实例也会对预测器作用，使预测发生错误，且K值的增大就意味着整体的模型变得简单。

3) K=N（N为训练样本个数），则完全不足取，因为此时无论输入实例是什么，都只是简单的预测它属于在训练实例中最多的类，模型过于简单，忽略了训练实例中大量有用信息。

在实际应用中，K值一般取一个比较小的数值，例如采用交叉验证法（简单来说，就是把训练数据在分成两组:训练集和验证集）来选择最优的K值。

 

 

KD树 Kd-树是K-dimension tree

 

 

 

 

matplotlib中文乱码

#解决中文显示问题
plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题

 

 

 

 

 

 

 

 

 

 

部分机器学习数据源

数据来源：https://www.kaggle.com/starbucks/store-locations/data

国外的kaggle,国内的天池

 

 

estimator = GridSearchCV(estimator=estimator,param_grid=param_grid, cv=3, n_jobs=-1)

 n_jobs=-1表示多少个cpu跑，-1表示有多少用多少

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 https://imbalanced-learn.org/stable/auto_examples/index.html

 

 

https://www.kaggle.com/c/otto-group-product-classification-challenge

 

 

 

 

袋外估计

https://blog.csdn.net/zehui6202/article/details/79625639

 

提交物

 

 

 

 

 

 

 

 

 

而朴素贝叶斯可以帮助我们解决这个问题。

• 朴素贝叶斯，简单理解，就是假定了特征与特征之间相互独立的贝叶斯公式。

• 也就是说，朴素贝叶斯，之所以朴素，就在于假定了特征与特征相互独立。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

百度情感类分析api:

https://ai.baidu.com/tech/nlp_apply/sentiment_classify

SVM 推导

https://www.zhihu.com/question/30434540/answer/486366689