随笔分类 - 机器学习基础
摘要：1.PCA的理解 一个非监督的机器学习算法（本质：从一个坐标系转变为另外一个坐标系） 主要用于数据的降维，通过降维可以发现更便于人类理解的特征 其他应用：可视化；去噪 Tip：注意主成分分析和线性回归的区别 如何找到让样本间间距最大的轴？ 样本间的间距使用方差表示（方差描述样本整体疏密，方差越大越疏
阅读全文
摘要：1.处理线性问题 1.1数据集预处理 1 import numpy as np 2 import matplotlib.pyplot as plt 3 from sklearn import datasets 4 5 iris = datasets.load_iris() 6 X = iris.da
阅读全文
摘要：1.梯度下降法 是一种基于搜索的最优化方法，作用是最小化一个损失函数。 但不是所有的函数都有唯一的极值点。 解决方案：多次运行，随机初始化点 梯度下降法的初始点也是一个超参数 线性回归法的损失函数具有唯一的最优解。 模拟实现梯度下降法 1 import numpy as np 2 import ma
阅读全文
摘要：1.最小二乘法 手工推导使损失函数最小的参数a和b： 2.简单线性回归的实现 1 import numpy as np 2 import matplotlib.pyplot as plt 3 4 x=np.array([1.,2.,3.,4.,5.]) 5 y=np.array([1.,3.,2.,
阅读全文
摘要：1.K近邻算法基础实例 1 import numpy as np 2 import matplotlib.pyplot as plt 3 4 raw_data_X=[[3.9,2.3], 5 [3.1,1.7], 6 [1.3,3.3], 7 [3.5,4.6], 8 [2.2,2.8], 9 [7
阅读全文
摘要：pyplot绘图 import matplotlib.pyplot as plt import numpy as np x=np.linspace(0,10,100) siny=np.sin(x) cosy=np.cos(x) plt.plot(x,siny) #plt.plot(x,siny,co
阅读全文
摘要：1.Jupyter notebook中的魔法命令 %run 在Jupyter中加载.py文件 先搞清楚Jupyter中文件的默认路径，修改完后再运行 import os print(os.path.abspath('.')) F:\python_DemoCode\JuypterNotebook %r
阅读全文
