文章分类 -  机器学习

Python机器学习笔记(6)—DBscan聚类—DBSCAN
摘要：一、内容大纲 1，算法原理 2，数据模型 二、算法原理 为了解决K均值聚类对于异常值的处理不够精细的问题，使用了DBscan的算法，通过对参数的设置查找异常值； 2.1 参数 eps：密度阀值 min_samples:每一类最小个数 三、数据模型 %matplotlib inline import 阅读全文
posted @ 2021-11-09 11:47 xiaojy 阅读(566) 评论(0) 推荐(0)
Python机器学习笔记(5)—K均值聚类—KMeans
摘要：一、内容目录 1，算法原理 2，数据模型 二、算法原理 2.1 聚类 聚类是数据挖掘中的概念，属于无监督学习，本质是分类，就是按照某个特定标准把一个数据集分割成不同的类或者簇，使得同一个簇内的数据对象的相似性 尽可能大，同时不在同一个簇中的数据对象差异性也尽可能的大，即同一类的数据尽可能聚集到一起， 阅读全文
posted @ 2021-11-08 17:01 xiaojy 阅读(187) 评论(0) 推荐(0)
Python机器学习笔记(1)——贝叶斯分类器—MultinomialNB
摘要：一、内容大纲 1，贝叶斯定理 一、贝叶斯定理 假设对于某个数据集，随机变量C表示样本为C类的概率，F1表示测试样本某特征出现的概率，套用基本贝叶斯公式，则如下所示： 上式表示对于某个样本，特征F1出现时，该样本被分为C类的条件概率。那么如何用上式来对测试样本分类呢？ 举例来说，有个测试样本，其特征F 阅读全文
posted @ 2021-11-04 14:44 xiaojy 阅读(1786) 评论(0) 推荐(0)
Python机器学习笔记(4)—SVM支持向量机器—SVC
摘要：一、内容 1，算法原理 2，数据模型建立 二、算法原理 支持向量机（SVM）是个强大且有多功能的模型，能够做线性或者非线性的分类、回归、甚至异常检测，是机器学习中最为流行的模型之一，比较适合复杂但中小规模数据集的分类问题； SVM分类器的判定边界实线，不仅分开了两种类型，而且还尽可能地远离了最靠近的 阅读全文
posted @ 2021-11-04 13:37 xiaojy 阅读(737) 评论(0) 推荐(0)
Python机器学习笔记(3)——随机深林-RandomForestClassifier
摘要：一、内容 1、随机森林算法原理 2、数据模型的建立 二、算法原理 随机森林算法是在决策树算法上的延生，是应用最广泛的算法之一，即可以用于分类也可以用于回归； 2.1 随机森领算法的优点： 1，可以用于回归和分类任务 2，容易查看模型的输入特征的相对重要性 3，易于使用，直观易懂 4，不会容易出现过拟 阅读全文
posted @ 2021-10-27 09:47 xiaojy 阅读(568) 评论(0) 推荐(0)
Python机器学习笔记(2)——决策树-DecisionTreeClassifier-GridSearchCV
摘要：一、内容 1、决策树算法原理 2、数据预处理示例 3、决策模型的建立 4、参数的选择 5、交叉验证及多参数选择 二、决策树算法原理 决策树是类似于树的结构，分支节点表示对一个特征进行测试。根据测试结果进行分类，树叶代表一个类别。 1,最经典的机器学习模型之一; 2,预测结果容易理解，易于解释; 3, 阅读全文
posted @ 2021-10-26 12:02 xiaojy 阅读(757) 评论(0) 推荐(0)