04 2020 档案

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） 1. 增加样本量，这是万能的方法，适用任何模型。 2. 如果数据稀疏，使用L1正则，其他情况，用L2要好，可自己尝试。 3. 通过特征选择，剔除一些不重要的特征，从而降低模型复杂度。 4. 如果还过拟合，那就看看是 阅读全文
posted @ 2020-04-29 14:41 椰梨 阅读(158) 评论(0) 推荐(0)
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 有许多不同的方法可用于特征选择。其中最重要的是： 1.过滤方法=过滤我们的数据集，只取包含所有相关特征的子集（例如，使用 Pearson 相关的相关矩阵）。 2.遵循过滤方法的相同目标，但使用机器学习模型作为其评估标准（例如，向前/向后/双向/递归特 阅读全文
posted @ 2020-04-28 18:22 椰梨 阅读(518) 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 14:50 椰梨 阅读(142) 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？ 逻辑回归是机器学习中的一种分类模型，在线性回归的基础上，套用了一个逻辑函数，用于估计某种事物的可能性。 他们的区别是： 1 线性回归是计算出具体的值，是解决回归问题；逻辑回归是给出是和否，解决的是分类问题。 2 逻辑回归引入了si 阅读全文
posted @ 2020-04-25 10:39 椰梨 阅读(239) 评论(0) 推荐(0)
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。 答：机器学习监督学习算法分为分类算法和回归算法两种，其实就是根据类别标签分布类型为离散型、连续性而定义的。回归算法用于连续型分布预测，针对的是数值型的样本，使用回归，可以在给定输入的时候预测出一个数值，这是对分类方法的提升 阅读全文
posted @ 2020-04-22 13:53 椰梨 阅读(188) 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 from sklearn. 阅读全文
posted @ 2020-04-19 18:33 椰梨 阅读(98) 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 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）.想想k均值算法中以用来做什么？ 文本分析和归类K均值算法实现图像压缩像素处理K均值算法处理图 阅读全文
posted @ 2020-04-15 22:25 椰梨 阅读(105) 评论(0) 推荐(0)
2.机器学习相关数学基础
摘要：1）贴上视频学习笔记，要求真实，不要抄袭，可以手写拍照。 2）用自己的话总结“梯度”，“梯度下降”和“贝叶斯定理”，可以word编辑，可做思维导图，可以手写拍照，要求言简意赅、排版整洁。 梯度： 在向量微积分中，标量场的梯度是一个向量场。标量场中某一点上的梯度指向标量场增长最快的方向，梯度的长度是这 阅读全文
posted @ 2020-04-15 13:34 椰梨 阅读(107) 评论(0) 推荐(0)
1.机器学习
摘要：1）贴上Python环境及pip list截图，了解一下大家的准备情况。暂不具备开发条件的请说明原因及打算。 2）贴上视频学习笔记，要求真实，不要抄袭，可以手写拍照。 3）什么是机器学习，有哪些分类？结合案例，写出你的理解。 答：机器学习（Machine Learning，ML）是人工智能的核心，涉 阅读全文
posted @ 2020-04-03 14:00 椰梨 阅读(240) 评论(0) 推荐(0)