摘要：
过拟合和欠拟合 欠拟合 过拟合 第一种情况：因为机器学习到的天鹅特征太少了，导致区分标准太粗糙，不能准确识别出天鹅。 第二种情况：机器已经基本能区别天鹅和其他动物了。然后，很不巧已有的天鹅图片全是白天鹅的，于是机器经过学习后，会认为天鹅的羽毛都是白的，以后看到羽毛是黑的天鹅就会认为那不是天鹅。 1| 阅读全文
摘要：
实现代码： from sklearn.feature_extraction.text import CountVectorizer from sklearn.feature_extraction import DictVectorizer import jieba def cut_word(text 阅读全文
摘要：
一、问题描述 给定用户签到数据集，预测用户下次签到位置 二、数据准备 row_id：签到事件id x,y：签到坐标 accuracy：准确度，定位精度 time：时间戳 place_id：签到的位置，预测目标值 三、实现代码 import pandas as pd from sklearn.mode 阅读全文
摘要：
线性回归 定义与公式 线性回归(Linear regression)是利用回归方程(函数)对一个或多个自变量(特征值)和因变量(目标值)之间关系进行建模的一种分析方式。 特点：只有一个自变量的情况称为单变量回归，大于一个自变量情况的叫做多元回归 线性回归的特征与目标的关系分析 线性回归当中的关系有两 阅读全文
摘要：
一、数据准备 二、任务目的 根据前三列数据预测最后一列的target数据 三、实现代码 from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.p 阅读全文
摘要：
特征工程 特征抽取 文本特征提取-CountVectorizer 作用：对文本数据进行特征值化 sklearn.feature_extraction.text.CountVectorizer(stop_words=[]) 返回词频矩阵 CountVectorizer.fit_transform(X) 阅读全文
摘要：
sklean数据集 sklearn.datasets 加载获取流行数据集 datasets.load_*() 获取小规模数据集，数据包含在datasets里 datasets.fetch_*(data_home=None) 获取大规模数据集，需要从网络上下载，函数的第一个参数是data_home，表 阅读全文
摘要：
有监督学习 含义：数据集中的样本带有标签,有明确目标 回归和分类 回归模型:线性回归、岭回归、LASSO和回归样条等 分类模型:逻辑回归、K近邻、决策树、支持向量机等 应用场景 垃圾邮件分类、病理切片分类、客户流失预警、客户风险评估、房价预测等。 无监督学习( unsupervised learni 阅读全文
摘要：
一、原始数据 agent.log：时间戳，省份，城市，用户，广告，中间字段使用空格分隔。 数据量：5000条 119kb 二、任务目标 统计出每一个省份每个广告被点击数量排行的 Top3 三、思路整理 1.获取原始数据：时间戳、省份、城市、用户、广告编号 2.将原始数据转换为（（省份，广告），1）的 阅读全文
摘要：
一、文件截图 处理数据量：804kb 二、流程分析 根据分割符获取时间，再利用分组统计单位时间内的访问量，控制台输出（时间，访问量）形式 三、代码 package rdd.operator.transform import java.text.SimpleDateFormat import java 阅读全文