一杯明月 - 博客园

2021年1月7日

第3期朴素贝叶斯算法

摘要： https://www.bilibili.com/video/BV1qt41117Hg?from=search&seid=7606350050606722730 注解：公式（1）就是贝叶斯公式。注解：共有10条训练集。阅读全文

posted @ 2021-01-07 02:31 一杯明月阅读(187) 评论(0) 推荐(0) 编辑

2021年1月5日

专利阶段

摘要： http://lzpat.com/zlsq/186.htm 阅读全文

posted @ 2021-01-05 16:59 一杯明月阅读(65) 评论(0) 推荐(0) 编辑

2021年1月1日

P22 朴素贝叶斯算法

摘要： https://www.bilibili.com/video/BV184411Q7Ng?p=22 贝叶斯算法：预测某个样本属于某个类别的概率，最大的概率即为类别。例如：判断文章1属于科技、金融、娱乐那个类别？文章1属于科技类的概率最大，所以，文章1将被预测为科技类文章。职业和超重这两个特征是相互阅读全文

posted @ 2021-01-01 15:36 一杯明月阅读(188) 评论(0) 推荐(0) 编辑

P19 K近邻算法

摘要： https://www.bilibili.com/video/BV184411Q7Ng?p=19 注解：分类算法的判定依据是：目标值是离散值。注解： K-近邻算法最重要的是看距离的远近，距离近的样本归为一类。本例中小王与蓝色的小人距离最近，所以他们归为一类。小王不知道自己所在的区，但是他根据阅读全文

posted @ 2021-01-01 15:30 一杯明月阅读(182) 评论(0) 推荐(0) 编辑

2020年12月31日

P17 数据的划分和介绍

摘要： https://www.bilibili.com/video/BV184411Q7Ng?p=17 答：不行。应该：一部分训练，一部分评估。数据集举例：三类鸢尾花数据读取代码演示： """ 读取三类鸢尾花数据 li=load_iris() 可以直接使用函数接口实例化对象，返回的是一个字典 """ 阅读全文

posted @ 2020-12-31 00:21 一杯明月阅读(334) 评论(0) 推荐(0) 编辑

2020年12月30日

P15 机器学习算法分类及开发流程

摘要： https://www.bilibili.com/video/BV184411Q7Ng?p=15 注解：监督学习有特征值和目标值，监督学习，谁监督呢？答：类别。我称监督学习为：有主体监督学习。非监督学习只有特征值，没有目标值。我称非监督学习为：无主体监督学习。学习的重点是监督学习，监督学习阅读全文

posted @ 2020-12-30 18:31 一杯明月阅读(175) 评论(0) 推荐(0) 编辑

P13 数据降维案例1

摘要： https://www.bilibili.com/video/BV184411Q7Ng?p=13 阅读全文

posted @ 2020-12-30 18:28 一杯明月阅读(59) 评论(0) 推荐(0) 编辑

P11 标准化总结及缺失值处理

摘要： https://www.bilibili.com/video/BV184411Q7Ng?p=11 注解：一般是按照列进行填补。注解: 参数axis=0或者1,指的是按照行或者列填充。代码演示： """ 缺失值处理 """ from sklearn.preprocessing import Im 阅读全文

posted @ 2020-12-30 18:22 一杯明月阅读(265) 评论(0) 推荐(0) 编辑

P12 数据的降维及特征选择

摘要： https://www.bilibili.com/video/BV184411Q7Ng?p=12 注解：这里了的降维不是指数组的维度，不是1维、2维、3维那个维。注解：这个是3维的特征转换为2维的特征。降维就是把样本的特征的数量减少，比如在分辨男女的时候，把每个样本里面的特征肤色去掉。注解阅读全文

posted @ 2020-12-30 18:22 一杯明月阅读(320) 评论(0) 推荐(0) 编辑

P8 08 特征预处理-归一化

摘要：注解：其实就是值的转换。注解：这个是特征预处理方法的API。例子： https://zhuanlan.zhihu.com/p/91125751 一般做机器学习应用的时候大部分时间是花费在特征处理上，其中很关键的一步就是对特征数据进行归一化，那么为什么要归一化呢？目录：定义优点方法结阅读全文

posted @ 2020-12-30 18:21 一杯明月阅读(235) 评论(0) 推荐(0) 编辑