摘要： K折交叉验证 目的： 选出最为合适的模型超参数的取值，然后将超参数的值作用到模型的创建中 思想： 将样本的训练数据交叉的拆分出不同的训练集和验证集，使用交叉拆分出不同的训练集和验证集分别实验模型的精准度，然后就求出的精准度的均值就是此次交叉验证的结果，将交叉验证作用到不同的超参数中，选取出精准度最高 阅读全文

摘要： 通过学习曲线得到KNN最优k值 import numpy as npfrom sklearn.neighbors import KNeighborsClassifierimport sklearn.datasets as datasetsfrom sklearn.model_selection im 阅读全文

摘要： KNN分类模型 概念： 简单地说，K-近邻算法采用测量不同特征值之间距离方法进行分类（K-Nearest Neighoor, KNN） 1.捕获鸢尾花数据 2.提取样本数据 3.对数据集进行拆分，测试集占总数据的百分之二十 4.观察数据集：看是否需要进行特征工程的处理 5.实例化模型对 6.使用训练 阅读全文

摘要： 字典特征提取 目的：我们所采集到样本中的特征数据往往很多时候为字符串或其它类型的数据，我们知道电脑可以识别二进制数值型的数据，如果把字符串给电脑，电脑是看不懂的，机器学习如果不是数值型数据，是识别不了的 from sklearn.feature_extraction.text import Coun 阅读全文