原创 機器學習之決策樹實例篇
1. python 2. Python機器學習的庫:scikit-learn 2.1: 特性: 簡單高效的數據挖掘和機器學習分析 對所有用戶開放,根據不同需求高度可重用性 基於Numpy, SciPy和matplo
原创 NumPy詳細API第一篇
以下代碼是基於python3.5.0寫的 import numpy # 讀取文件內容 world_alcohol = numpy.genfromtxt("world_alcohol.txt", delimiter=",",dtype="
原创 pandas數值計算與排序
以下代碼是基於python3.5.0編寫的 import pandas food_info = pandas.read_csv("food_info.csv") # ---------------------特定列加減乘除------
原创 pandas 自定義函數方法
# --------------------dropna(axis=1)去掉有缺失值的行------------------------------------------ drop_na_columns = titanic_surviv
原创 機器學習sklearn多元線性迴歸2
from __future__ import print_function from sklearn import datasets from sklearn.linear_model import LinearRegression l
原创 機器學習之決策樹理論篇
1. 什麼是決策樹/判定樹(decision tree)? 判定樹是一個類似於流程圖的樹結構:其中,每個內部結點表示在一個屬性上的測試,每個分支代表一個屬性輸出,而每個樹葉結點代表類或類分佈。樹的最頂層是根結點。
原创 NumPy詳細API第四篇
注意:以下代碼是基於python3.5.0編寫的 import numpy as np # ---------------exp和sqrt-------------------- B = np.arange(3) print(B)
原创 pandas數據索引變換
mport pandas as pd import numpy as np fandango = pd.read_csv('fandango_score_comparison.csv') # -----------把FILM設置爲ind
原创 NumPy詳細API第五篇
注意:以下代碼是基於python3.5.0編寫的 import numpy as np # ----------------------找最大值------------------------- data = np.sin(np.ar
原创 機器學習sklearn多元線性迴歸
from __future__ import print_function from sklearn import datasets from sklearn.linear_model import LinearRegression im
原创 pandas數據樣本行列選取
注:以下代碼是基於python3.5.0編寫的 import pandas food_info = pandas.read_csv("food_info.csv") # ------------------選取數據樣本的第一行----
原创 NumPy詳細API第三篇
注意:以下代碼是基於python3.5.0編寫的 import numpy as np a = np.arange(15).reshape(3, 5) print(a) # array([[ 0, 1, 2, 3,
原创 機器學習之支持向量機算法實例
此實例是利用svm算法預測乳腺癌腫瘤是良性還是惡性,數據格式如下圖所示:第一列表示編號,2到10列表示數據屬性,第11列表示腫瘤標籤2表示良性4表示惡性。 代碼如下 from sklearn import svm # x = [[
原创 pandas數據預處理與透視表
以下代碼是基於python3.5.0編寫的 import pandas as pd import numpy as np titanic_survival = pd.read_csv("titanic_train.csv") # --
原创 機器學習之簡單線性迴歸demo
# -*- encoding=utf-8 -*- #簡單現行迴歸:只有一個自變量 y=k*x+b 預測使 (y-y*)^2 最小 import numpy as np def fitSLR(x,y): n=len(x)