摘要： 一、概述 1.基本工作原理：存在一个带有标签的样本集，即我们知道样本中的每个数据与所属分类的对应关系。输入没有标签的数据，将新数据的每个特征与样本中数据的对应特征进行比较，算法提取最相似样本的分来标签。选择样本数据集中前k个最相似的数据，这就是k-近邻算法中k的出处，通常k是不大于20的整数。最后， 阅读全文

摘要： #!/usr/bin/env python # coding: utf-8 # # sklearn常用方法 # # #标准化　（需要使用距离来度量相似性或用ＰＣＡ降维时） # In[1]: from sklearn.preprocessing import StandardScaler data_train = StandardScaler().fit_transform(data_t... 阅读全文

摘要： import pandas as ps 1、pd.set_option('expand_frame_repr', False) True就是可以换行显示。设置成False的时候不允许换行 2、pd.set_option('display.max_rows', 10) pd.set_option('d 阅读全文

摘要： 散点矩阵图 阅读全文

摘要： models = {} models['LR'] = LogisticRegression() models['LDA'] = LinearDiscriminantAnalysis() models['KNN'] = KNeighborsClassifier() models['CART'] = DecisionTreeClassifier() models['NB'] = GaussianNB... 阅读全文

摘要： 一、概述 １．简单线性回归 一种基于自变量（x）来预测因变量（Ｙ）的方法．假设这两个变量是线性相关的，则寻找出根据特征或者自变量的线性函数来精准预测响应值．线性回归意味着可以将输入项分别乘以一些常量，再将结果加起来得到输出。需要说明的是，存在另一种成为非线性回归的回归模型，该模型不认同上面的做法，比 阅读全文

摘要： 一、概述 朴素贝叶斯是贝叶斯决策理论的一部分，所以在讲述朴素贝叶斯之前有必要快速了解一下贝叶斯决策理论。 1、贝叶斯决策理论 假设现在我们有一个数据集，它由两类数据组成，数据分布如下图所示： 我们现在用p1(x,y)表示数据点(x,y)属于类别1(图中红色圆点表示的类别)的概率，用p2(x,y)表示 阅读全文

摘要： from pandas import read_csv from pandas.plotting import scatter_matrix from matplotlib import pyplot from sklearn.model_selection import train_test_split from sklearn.model_selection import KFold fro... 阅读全文

摘要： 一、概述 决策树(decision tree)是一种基本的分类与回归方法。如下图所示的流程图就是一个决策树，长方形代表判断模块(decision block)，椭圆形成代表终止模块(terminating block)，表示已经得出结论，可以终止运行。从判断模块引出的左右箭头称作为分支(branch 阅读全文

摘要： 当矩阵的秩小于未知数的个数时，方程组有无数个解；当矩阵的秩等于未知数的个数时，方程组只有零解。 阅读全文