$R^2$不止一种定义方式，这里是scikit-learn中所使用的定义。 As such variance is dataset dependent, R² may not be meaningfully comparable across different datasets. Best pos ...
分类：
其他好文 时间：
2020-11-25 12:34:00
阅读次数：
5
作者|Rebecca Vickery 编译|VK 来源|Towards Datas Science scikit-learn是2007年作为Googles Summer代码项目开发的，现在被广泛认为是最流行的机器学习Python库。 为什么这个库被认为是机器学习项目的最佳选择之一，特别是在生产系统中 ...
分类：
其他好文 时间：
2020-10-24 10:28:16
阅读次数：
25
机器学习 机器学习的本质就是借助数学模型理解数据。当给模型装上可以适应观测数据的可调参数时，“学习”就开始了；此时的程序被认为具有从数据中“学习”的能力。一旦模型可以拟合旧的观测数据，那么它们就可以预测并解释新的观测数据。 机器学习的分类 机器学习应用的定性示例 小结 Scikit-Learn 而从 ...
分类：
其他好文 时间：
2020-09-17 16:48:02
阅读次数：
15
随着机器学习(ML)在过去几年的快速发展，开始ML实验变得非常容易。多亏了像scikit-learn和Keras这样的库，用几行代码就可以创建模型。作者：cleverlzc来源：Dockone.io|2020-08-0312:47收藏分享【编者的话】本文是使用持续集成(通过GitHubActions)构建自动模型训练系统的哲学和实践指南。随着机器学习(ML)在过去几年的快速发展，开始ML实验变得非
分类：
其他好文 时间：
2020-08-04 09:58:48
阅读次数：
70
数据准备基本流程 数据规范化的几种方法 利用SciKit库进行数据变换 数据准备流程 数据清洗 数据集成 是什么？就是将多个数据源合并存放在一个数据仓库中 数据集成的两种架构 ETL（Extract、Transform、Load）即，（抽取、转换(合并表)、加载） 常见ETL工具（开源）：kettl ...
分类：
其他好文 时间：
2020-08-01 12:44:01
阅读次数：
91
1 import numpy as np 2 from sklearn import datasets 3 4 # 获取数据 5 iris = datasets.load_iris() 6 X = iris.data 7 y = iris.target 8 9 # 数据分割 10 from skle ...
分类：
其他好文 时间：
2020-07-30 01:46:35
阅读次数：
66
作者|KAUSHIK 编译|VK 来源|Analytics Vidhya 概述 学会用KNNImputer来填补数据中的缺失值 了解缺失值及其类型 介绍 scikit learn公司的KNNImputer是一种广泛使用的缺失值插补方法。它被广泛认为是传统插补技术的替代品。 在当今世界，数据是从许多来 ...
分类：
其他好文 时间：
2020-07-28 14:37:32
阅读次数：
98
Scikit-learn 之 TF-IDF TF-IDF基础 TF-IDF（Term Frequency-InversDocument Frequency）是一种常用于信息处理和数据挖掘的加权技术。该技术采用一种统计方法，根据字词在文本中出现的次数和在整个语料中出现的文档频率来计算一个字词在整个语料 ...
分类：
其他好文 时间：
2020-07-17 16:09:27
阅读次数：
71
Python是数据处理常用工具，可以处理数量级从几K至几T不等的数据，具有较高的开发效率和可维护性，还具有较强的通用性和跨平台性，这里就为大家分享几个不错的数据分析工具。Python数据分析需要安装的第三方扩展库有：Numpy、Pandas、SciPy、Matplotlib、Scikit-Learn、Keras、Gensim、Scrapy等，以下是第三方扩展库的简要介绍：PandasPandas是
分类：
编程语言 时间：
2020-07-01 20:37:12
阅读次数：
73
朴素：在给定类别的情况下，各个特征相互独立 贝叶斯公式：P(A|B)=P(A)P(B|A)/P(B) 朴素贝叶斯：P(特征|类别)=P(特征)P(类别|特征)/P(类别) 核心思想：算一下概率，那种类别概率大，就分为那种类别。 在scikit-learn中的实现： 1.高斯贝叶斯：数据集符合高斯（正 ...
分类：
其他好文 时间：
2020-06-25 12:11:08
阅读次数：
100
