搜索结果
查询Tags标签： sklearn，共有 120条记录-
支持向量机上的核函数对比
探索核函数在不同数据集上的表现 导入模块 import numpy as np import matplotlib.pyplot as plt from matplotlib.colors import ListedColormap from sklearn import svm from sklearn.datasets import make_circles, make_moons, make_blobs,make_classification创建数…
2023/4/25 1:22:40 人评论 次浏览 -
随机森林乳腺癌案例
随机森林在乳腺癌数据上的调参 导入需要的库 from sklearn.datasets import load_breast_cancer from sklearn.model_selection import GridSearchCV, cross_val_score from sklearn.ensemble import RandomForestClassifier import numpy as np import pandas as pd impo…
2023/4/7 1:22:08 人评论 次浏览 -
随机森林n_estimators 学习曲线
随机森林 单颗树与随机森林的的分对比 # 导入包 from sklearn.datasets import load_wine from sklearn.model_selection import train_test_split from sklearn.tree import DecisionTreeClassifier from sklearn.ensemble import RandomForestClassifier# 实例化红酒数据…
2023/4/5 1:22:58 人评论 次浏览 -
什么是机器学习中的回归算法？scikit-learn中的四大回归算法学习-icode9专业技术文章分享
回归算法一直以来都是机器学习的核心算法之一，今天我们给大家总结sklearn中的线性回归、Lasso回归、岭回归、弹性回归四个算法的概念与使用。回归是一种稳健的统计测量，用于研究一个或多个独立（输入特征）变量和一个因变量（输出）之间的关系。在 AI 中，回归是一种有监…
2023/1/23 23:24:07 人评论 次浏览 -
基于Sklearn机器学习代码实战
线性回归入门数据生成为了直观地看到算法的思路，我们先生成一些二维数据来直观展现 import numpy as np import matplotlib.pyplot as plt def true_fun(X): # 这是我们设定的真实函数，即ground truth的模型 return 1.5*X + 0.2 np.random.seed(0) # 设置随机种子…
2022/12/1 1:23:59 人评论 次浏览 -
基于Sklearn机器学习代码实战
LinearRegression线性回归入门数据生成为了直观地看到算法的思路，我们先生成一些二维数据来直观展现import numpy as npimport matplotlib.pyplot as plt def true_fun(X): # 这是我们设定的真实函数，即ground truth的模型return 1.5*X + 0.2np.random.seed(0) # 设置随…
2022/11/28 1:24:55 人评论 次浏览 -
sklearn中MLPClassifier源码解析
神经网络 .fit()首先传入类私用方法._fit()确定hidden_layer_size是可迭代的 调用_validate_hyperparameters验证超参数是否合法 验证输入的x和y是否合法并且获取one-hot-label 从x、y中获取输入参数的信息，并且添加输入层和输出层 （隐藏层作为参数，输入层和输出层可以…
2022/9/13 1:23:08 人评论 次浏览 -
sklearn调库实现决策树算法
本文不讲原理，直接调库上代码。 个人建议先用jupyter逐步操作，了解每步代码的功能，更易理解。 1.导入相关包 import numpy as np import pandas as pd from sklearn.datasets import load_wine#导入红酒数据集 from sklearn import tree#后续决策树可视化 from sklearn…
2022/3/21 12:28:45 人评论 次浏览 -
KNN算法（二） sklearn KNN实践
上次介绍了KNN的基本原理，以及KNN的几个窍门，这次就来用sklearn实践一下KNN算法。 一.Skelarn KNN参数概述 要使用sklearnKNN算法进行分类，我们需要先了解sklearnKNN算法的一些基本参数，那么这节就先介绍这些内容吧。 def KNeighborsClassifier(n_neighbors = 5, …
2022/3/20 20:58:37 人评论 次浏览 -
python—sklearn特征提取
目录 一.字典特征值提取 二.英文文本特征值提取 三.中文文本特征值提取需要导入的包 from sklearn.feature_extraction import DictVectorizer#用于字典特征值提起 from sklearn.feature_extraction.text import CountVectorizer#用于文本提取 """用于中文…
2022/3/20 20:27:43 人评论 次浏览 -
scikit-learn 的设计
scikit-learn 的设计 1 核心API Core API1.1 Estimators1.2 Predictors1.3 Transformers 2 高级API Advanced API2.1 Meta-estimators2.2 Pipelines and feature unions3.3 Model selection1 核心API Core API 所有 scikit-learn 对象都有三个基本的接口：Estimators， Pr…
2022/2/22 23:49:39 人评论 次浏览 -
机器学习-朴素贝叶斯算法
联合概率：包括多个条件，且所有的条件都成立的概率：P(a, b) 条件概率：就是事件A在另外一个事件B已经发生条件下的发生概率 P(a | b) 相互独立：如果P(A , B) = P(A) * P(B)那么称事件A和事件B相互独立贝叶斯公式： P(C | W) = P(W | C) * P(C) / P(W) 下面拿一个实例来…
2022/1/15 17:10:00 人评论 次浏览 -
机器学习-朴素贝叶斯算法
联合概率：包括多个条件，且所有的条件都成立的概率：P(a, b) 条件概率：就是事件A在另外一个事件B已经发生条件下的发生概率 P(a | b) 相互独立：如果P(A , B) = P(A) * P(B)那么称事件A和事件B相互独立贝叶斯公式： P(C | W) = P(W | C) * P(C) / P(W) 下面拿一个实例来…
2022/1/15 17:10:00 人评论 次浏览 -
sklearn机器学习（八）
Task08 本次学习参照Datawhale开源学习：https://github.com/datawhalechina/machine-learning-toy-code/tree/main/ml-with-sklearn 内容安排如下，主要是一些代码实现和部分原理介绍。 8. 可视化 机器学习可视化有助于我们分析模型效果、理解模型原理、对比模型优劣。本…
2022/1/5 23:36:24 人评论 次浏览 -
sklearn机器学习（八）
Task08 本次学习参照Datawhale开源学习：https://github.com/datawhalechina/machine-learning-toy-code/tree/main/ml-with-sklearn 内容安排如下，主要是一些代码实现和部分原理介绍。 8. 可视化 机器学习可视化有助于我们分析模型效果、理解模型原理、对比模型优劣。本…
2022/1/5 23:36:24 人评论 次浏览
