码迷,mamicode.com
首页 >  
搜索关键字:机器学习实战    ( 429个结果
机器学习实战之第一章 机器学习基础
ApacheCN——专注于优秀开源项目维护的组织,不止于权威的文档视频技术支持 ...
分类:其他好文   时间:2017-09-01 12:45:25    阅读次数:137
k近邻算法-java实现
最近在看《机器学习实战》这本书,因为自己本身很想深入的了解机器学习算法,加之想学python,就在朋友的推荐之下选择了这本书进行学习。 一 . K-近邻算法(KNN)概述 最简单最初级的分类器是将全部的训练数据所对应的类别都记录下来,当测试对象的属性和某个训练对象的属性完全匹配时,便可以对其进行分类 ...
分类:编程语言   时间:2017-08-17 17:49:15    阅读次数:214
python机器学习实战(四)
这篇notebook是关于机器学习中logistic回归,内容包括基于logistic回归和sigmoid分类,基于最优化方法的最佳系数确定,从疝气病症预测病马的死亡率。 ...
分类:编程语言   时间:2017-08-15 12:36:06    阅读次数:147
决策树代码《机器学习实战》
22:45:17 2017-08-09 KNN算法简单有效,可以解决很多分类问题。但是无法给出数据的含义,就是一顿计算向量距离,然后分类。 决策树就可以解决这个问题,分类之后能够知道是问什么被划分到一个类。用图形画出来就效果更好了,这次没有学哪个画图的,下次。 这里只涉及信息熵的计算,最佳分类特征的 ...
分类:其他好文   时间:2017-08-10 01:14:34    阅读次数:190
NBC朴素贝叶斯分类器 ————机器学习实战 python代码
# -*- coding: utf-8 -*- """ Created on Mon Aug 07 23:40:13 2017 @author: mdz """ import numpy as np def loadData(): vocabList=[['my', 'dog', 'has', 'f... ...
分类:编程语言   时间:2017-08-08 20:02:49    阅读次数:240
KNN算法的实现
KNN算法是机器学习经典十大算法之一,简单易懂。这里给出KNN的实现,由两个版本: 1.机器学习实战上作者的实现版本,我自己又敲了一遍感觉还是蛮有收获的; 2.用自己的理解的一个实现,主要的区别就是效率没有第一个高,因为第一个大量使用矩阵向量的运算,速度比较快,还有就是作者的代码比较简介好看。自己的 ...
分类:编程语言   时间:2017-08-07 10:09:10    阅读次数:202
机器学习实战 logistic回归 python代码
-0.017612 14.053064 0 -1.395634 4.662541 1 -0.752157 6.538620 0 -1.322371 7.152853 0 0.423363 11.054677 0 0.406704 7.067335 1 0.667394 12.741452 0 -2. ...
分类:编程语言   时间:2017-08-06 17:58:44    阅读次数:257
python机器学习实战(三)
这篇博客是关于机器学习中基于概率论的分类方法--朴素贝叶斯,内容包括朴素贝叶斯分类器,垃圾邮件分类,解析RSS源数据以及用朴素贝叶斯来分析不同地区的态度. ...
分类:编程语言   时间:2017-08-03 00:51:05    阅读次数:202
[机器学习实战] Logistic回归
1. Logistic回归: 1)优点:计算代价不高,易于理解和实现; 2)缺点:容易欠拟合,分类精度可能不高; 3)适用数据类型:数值型和标称型数据; 2. 分类思想: 根据现有数据对分类边界线建立回归公式,以此进行分类。 这里借助sigmoid函数,其特点为当z为0时,sigmoid函数值为0. ...
分类:其他好文   时间:2017-07-27 16:36:48    阅读次数:149
numpy函数库中一些经常使用函数的记录
##numpy函数库中一些经常使用函数的记录 近期才開始接触python,python中为我们提供了大量的库,不太熟悉。因此在《机器学习实战》的学习中,对遇到的一些函数的使用方法进行记录。 (1)mat( ) numpy函数库中存在两种不同的数据类型(矩阵matrix和数组array),都能够用于处 ...
分类:其他好文   时间:2017-07-24 13:04:22    阅读次数:252
429条   上一页 1 ... 18 19 20 21 22 ... 43 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!