分类: 第十四章:sklearn实战

9 篇文章

thumbnail
第一节:课程习得
课程习得 通过对这门课程的学习,你将习得以下技能: 你可以快速入门应用机器学习,为公司、企业直接创造价值 你可以掌握机器学习理论基础 你可以学到感知机算法 你可以学到线性回归算法 你可以学到逻辑回归 你可以学到朴素贝叶斯法 你可以学到k近邻算法、决策树、支持向量机 你可以学到k均值聚类算法 你可以学到AdaBoost算法、梯度提升树(GBDT)、X…
thumbnail
第二节:通过线性回归带你了解算法流程
通过线性回归带你了解算法流程 1. 1 线性回归引入   相信我们很多人可能都有去售楼处买房而无奈回家的行为,就算你没去过售楼处,相信你也应该听说过那令人叹而惊止的房价吧?对于高房价你没有想过这房价是怎么算出来的呢?难道就是房地产商拍拍脑门,北京的一概1000万,上海的一概800万,杭州的一概600万吗?看到这相信你应该有动力想…
thumbnail
第四节:细分构建机器学习应用程序的流程-流程简介
细分构建机器学习应用程序的流程-流程简介 1.1 sklearn安装   为了实现接下里的代码,你需要安装下列5个Python第三方库,本文只拿sklearn的安装举例,如果有同学已经安装sklearn,可以把你的sklearn更新到最新版本,其他库同理。 numpy 1.15.4 scipy 1.1.0 matplotlib …
thumbnail
第七节:细分构建机器学习应用程序的流程-训练模型
细分构建机器学习应用程序的流程-训练模型 1.1 训练回归模型   接下来我们将用波士顿房价数据集来介绍我们的回归模型,波士顿总共有506条数据,所以样本数小于100K,依据地图可以先使用Lasso回归-弹性网络回归-岭回归-线性支持向量回归-核支持向量回归-决策树回归-随机森林回归 import numpy as np imp…
thumbnail
第八节:细分构建机器学习应用程序的流程-测试模型
细分构建机器学习应用程序的流程-测试模型   对于分类问题,我们可能会使用k近邻算法、决策树、逻辑回归、朴素贝叶斯法、支持向量机、随机森林;对于回归问题,我们可能会使用线性回归、决策树、随机森林。在工业上,我们不可能会对客户说,这是我训练的几个模型,你想用哪个我就给你哪个。一般而言这是不可能的,通常对于这几个模型,我们会通过某种…
第九节:细分构建机器学习应用程序的流程-模型优化
细分构建机器学习应用程序的流程-模型优化   通过数据收集、数据预处理、训练模型、测试模型上述四个步骤,一般可以得到一个不错的模型,但是一般得到的都是一个参数收敛的模型,然而我们模型还有超参数或不同的核函数等,如r的非线性支持向量机的bf核或linear核;rbf核的非线性支持向量机超参数$C、\gamma$,正则化中的$\al…

You cannot copy content of this page