摘要：在我们对于有很多特征值数据处理时，往往需要找到特征值对于结果Y权重最大的几个，便于做降维。 于是我们可以用以下这段代码： GitHub：https://github.com/chenjunhaolefa/AI/blob/master/MachineLearning/FeatureSelection. 阅读全文

摘要：在函数中加入一个正则项： 三种方式： 一、Ridge回归（岭回归）： 优点：具有较高的准确性、鲁棒性以及稳定性 缺点：求解速度慢 二、Lasso回归： 优点：求解速度快（原理降维计算，把数据维度中存在的噪音和冗余去除） 缺点：相比Ridge回归没有较高的准确性、鲁棒性以及稳定性 三、弹性网络： 特点 阅读全文

摘要：#coding:utf-8 import matplotlib.pyplot as plt import numpy as np from numpy.lib.scimath import logn from math import e import matplotlib as mpl #防止中文乱码问题 mpl.rcParams['font.sans-serif']=[u'SimHei'] ... 阅读全文

摘要：用代码证明朴素贝叶斯： 一、先从一个实际问题出发： 条件：碗1中有30个香草曲奇饼干和10个巧克力饼干，碗2中有上述饼干各20个。 问：闭上眼随机拿一块，从碗1中拿到香草曲奇的概率是多少？ 公式：P(B|A) = P (A|B) * P(A) / P(B) 从碗1中拿到香草曲奇的概率 = 在碗1中得 阅读全文

摘要：一.Mac需要先下载simhei.ttf字体并安装，之后按照下面步骤首先将simhei.ttf拷贝到~python安装路径/site-packages/matplotlib/mpl-data/fonts/ttf目录中； 链接: https://pan.baidu.com/s/1hsGhxmG 密码: 阅读全文

摘要：应用问题：求下列数据中时间与功率的关系？ 已知数据如下（数据之间以;号隔开）： 数据：日期、时间、有功功率、无功功率、电压、电流、厨房电功率、洗衣机电功率、热水器的电功率 Date;Time;Global_active_power;Global_reactive_power;Voltage;Glob 阅读全文

摘要：import numpy as npfrom sklearn.datasets import load_irisfrom sklearn import tree# 对三种花分类# 导入数据部分iris = load_iris() # 加载数据print(iris.feature_names) # 打 阅读全文

摘要：from sklearn import tree# 第一个简单的分类器features = [[140, 1], [130, 1], [150, 0], [170, 0]] #列表左边的变量代表水果的重量，右边的1代表表面光滑,0代表有疙瘩labels = [0, 0, 1, 1] #0代表苹果，1 阅读全文

摘要：import tensorflow as tf# 熟悉tensorflow的变量定义和运行方式v1 = tf.Variable(2) #定义变量并给变量赋值v2 = tf.Variable(48)c1 = tf.constant(16) #定义常量并赋值c2 = tf.constant(3)addv 阅读全文