机器学习 中的文章

机器学习-监督学习2

监督学习 Logistic回归 概念 划分两个数据集之间的分界线,类似回归 梯度下降算法 随机梯度下降 减少计算量 优点 计算代价不高 易于理解和实现 缺点 容易欠拟合 分类精度可能不高 适用 数值型 标称型 案例 从病症预测死亡率 支持向量机 SVM 概念 将数据……

阅读全文

机器学习-回归

回归 线性回归 优点 易于理解 计算不复杂 缺点 对非线性数据拟合不好 适用 数值型 标称型 数据特征比样本多 岭回归 lasso 前向逐步回归 树回归 概念 对数据进行二元切分 节点为数值或线性函数 优点 可以对复杂和非线性数据建模 缺点 结果不易理解 适用 数值型 标称型……

阅读全文

机器学习-监督学习1

k-近邻算法 kNN 概念 采用测量不同特征值之间的距离方法进行分类 优点 精度高 对异常值不敏感 无数据输入假定 缺点 计算复杂度高 空间复杂度高 适用 数值型 标称型 案例 约会网站效果匹配 手写识别 决策树 概念 按特征值划分法 二元划分法 划分数据集原则 信息……

阅读全文

机器学习-降维

降维 好处 使数据集更易使用 降低很多算法的计算开销 去除噪声 使结果易懂 PCA Principal Component Analysis 主成分分析 概念 以方差的大小来决定新的维度 优点 降低数据的复杂性 识别最重要的多个特征 缺点 不一定需要 可能损失有用信息 适用 数值型 案例 半导体制造数据降维 SVD Singular Value……

阅读全文

机器学习-无监督学习

无监督学习 K-均值聚类 概念 设定簇个数 随机确定初始簇心 寻找各点最近的簇心 避免收敛到局部最小 度量效果 SSE误差平方和 后处理 将最大SSE簇拆分 合并 最近质心 使SSE增加最小的两个质心 二分K-均值 有一个簇不断一分为二 优点 易实现 缺点……

阅读全文

TensorFlow机器学习实战指南

TensorFlow机器学习进阶教程 第1章 TensorFlow基础 1.1 TensorFlow介绍 1.2 TensorFlow如何工作 1.3 声明张量 1.4 使用占位符和变量 1.5 操作(计算)矩阵 1.6 声明操作 1.7 实现激励函数 1.8 读取数据源 1.9 学习资料 第2章……

阅读全文

numpy方法

**数组创建 **arange, array, copy, empty, empty_like, eye, fromfile, fromfunction, identity, linspace, logspace, mgrid, ogrid, ones, ones_like, r, zeros, zeros_like **数组转换 **ndarray.astype, atleast_1d, atleast_2d, atleast_3d, mat **操作 **array_split, column_stack, concatenate, diagonal, dsplit, dstack, hsplit, hstack, ndarray.item, newaxis, ravel, repeat, reshape, resize, squeeze, swapaxes, take, transpose, vsplit, vstack **问题 **all, any, nonzero, where **排列 **argmax, argmin, argsort, max, min, ptp, searchsorted, sort 运算 choose, compress, cumprod, cumsum, inner, ndarray.fill, imag, prod, put, putmask, real, sum **基础统计 **cov, mean, std, var **基本线性代……

阅读全文

numpy快速入门

一**、NumPy简介** 1、NumPy简介是 机器学习三剑客之一。 NumPy(Numerical Python) 是 Python 语言的一个扩展程序库,支持大量的维度数组与矩阵运算,同时对数组运算提供了大量的数学函数库。 Numpy 是一个运行速度非常快的数学库,内部解除了CPython……

阅读全文

机器学习三剑客

机器学习有非常多的包,最著名的是这三个numpy、pandas、matplotlib 被称为机器学习三剑客。 1 numpy 主要用于数组与矩阵计算,是大量机器学习框架的基础库。 2 Pandas是基于Numpy开发出的,专门用于数据分析的……

阅读全文

分类

福利派送

标签

其它

休闲室