原创 監督學習算法——線性模型——《python機器學習基礎教程》

監督學習算法 常用的監督機器學習算法有: 1.K近鄰(kNN,k-NearestNeighbor) 2.線性模型 3.樸素貝葉斯(Naive Bayesian) 4.決策樹(Decision Tree) 5.決策樹集成 6.核支持向量機(

原创 python數據分析與挖掘實戰——第五章-數據挖據建模——分類預測5.1——筆記

根據挖掘目標和數據形式可以建立以下幾種模型: 分類與預測 聚類分析 關聯規則 時序模式 離羣點檢測 5.1分類預測 5.1.1實現過程 比如說我們現在要進行預測的分析,首先第一步,我們先要基於一定數量的樣本來訓練出一個訓練模型,這個模型

原创 《利用python進行數據分析》——3.2函數——生成器generator——讀書筆記

1. 生成器定義 一邊循環一邊計算的機制,稱爲:生成器(generator) 生成器(generator)是構造新的可迭代對象的一種簡單方式。 一般的函數執行之後只會返回單個值,而生成器則是以延遲的方式返回一個值序列, 即每返回一個值之後

原创 TensorFlow安裝(2.1.0版)

TensorFlow安裝(2.1.0版)及問題解決方法 主要流程參照這位大佬的:博客如下: https://blog.csdn.net/weixin_44170512/article/details/103990592(主要參考) 官方給

原创 機器學習算法——小結

監督學習:    迴歸分析 K最近鄰 支持向量機 決策樹 隨機森林 神經網絡 調節參數 正則化參數(針對套索迴歸和嶺迴歸) 最近鄰數量 軟間隔常數 核參數 不敏感參數 終端節點的最小尺寸 終端節點的最大數量 最大樹深度

原创 機器學習分類及機器學習算法概覽

機器學習分類及機器學習算法概覽 機器學習可分爲3類:(監督學習、無監督學習、強化學習) 1.監督學習: 監督學習表示機器學習的數據是帶標記的,這些標記可以包括數據類別、數據屬性及特徵點位置等。這些標記作爲預期效果,不斷修正機器的預測結果。

原创 Python數據挖掘與機器學習實戰——迴歸分析——邏輯迴歸

邏輯迴歸: 邏輯迴歸也被稱爲廣義線性迴歸模型,它與線性迴歸模型的形式基本上相同,最大的區別就在於它們的因變量(y)不同,如果是連續的,就是多重線性迴歸;如果是二項分佈(0或1、是或否等),就是邏輯迴歸。 Logistic迴歸雖然名字裏帶“

原创 數據挖掘知識體系彙總,實用的入門指南

數據挖掘知識體系彙總,實用的入門指南 以下文章來源於Datawhale ,作者Datawhale https://mp.weixin.qq.com/s/ec2vUtLFETcS8qfHfc_4mQ Datawhale 一個專注於AI領域

原创 人工智能自學線路——自用

人工智能開發一般從Python開始,不過對數學與統計學有要求,尤其是概率統計。 1.不過Python僅僅是編程語言,你應該首先還要選擇一個發展方向,學習特定方向的Python模塊,比如數據分析與挖掘、爬蟲工程師、Web開發、自動化運維、自

原创 TensorFlow安裝參考

TensorFlow沒有windows 32位的,只支持64位!!! 我這老機器,32位的,好麻煩,升64位還得重裝系統。 下面這些安裝教程都不錯,先存下,換好了系統再來裝 https://zhuanlan.zhihu.com/p/102

原创 監督學習算法——K近鄰——《python機器學習基礎教程》

監督學習算法 常用的監督機器學習算法有: 1.K近鄰(kNN,k-NearestNeighbor) 2.線性模型 3.樸素貝葉斯(Naive Bayesian) 4.決策樹(Decision Tree) 5.決策樹集成 6.核支持向量機(

原创 決策樹模型——鳶尾花分類

構建一個決策樹分類模型,實現對鳶尾花的分類 1.lris數據集介紹: 鳶尾花數據集是機器學習領域中非常經典的一個分類數據集。數據集全名爲:Iris Data Set,總共包含150行數據。 每一行由4個特徵值及一個目標值(類別變量)組成。

原创 Python數據挖掘與機器學習實戰——3.5 基於線性迴歸的股票預測

3.5 基於線性迴歸的股票預測 1.數據獲取 我們需要的數據集要通過quandl包獲取,Anaconda 3並未默認安裝quandl, 需要我們打開Anaconda prompt輸入“pip install quandl”進行安裝。 通過

原创 Python數據挖掘與機器學習實戰——迴歸分析——線性迴歸及實例

迴歸分析 迴歸分析(Regression Analysis)是確定兩種或兩種以上變量間相互依賴的定量關係的一種統計分析方法 ,是一種預測性的建模技術。 線性迴歸: 簡單而言,就是將輸入項分別乘以一些常量,再將結果加起來得到輸出。線性迴歸

原创 Python機器學習基礎教程——1.7第一個應用:鳶尾花分類——學習筆記

1.7 第一個應用:鳶尾花分類 假設有一名植物學愛好者對她發現的鳶尾花的品種很感興趣。她收集了每朵鳶尾花的一些測量數據:花瓣的長度和寬度以及花萼的長度和寬度,所有測量結果的單位都是釐米。        她還有一些鳶尾花分類的測量數據,這些