随笔分类 - 人工智能之机器学习
python
Python机器学习（三十九）基于数值区间创建数组
摘要：NumPy中，可以通过指定数值范围创建ndarray数组。 numpy.arange 要使用指定区间均匀分布的数值创建数组，可以使用arange函数。 语法如下所示： numpy.arange(start, stop, step, dtype) 参数： start: 区间开始值。默认值是0。 sto
阅读全文
Python机器学习（三十八）NumPy 基于已有数据创建数组
摘要：NumPy提供了使用现有数据创建数组的方法。 numpy.asarray 要使用列表或元组创建ndarray数组，可使用asarray函数。这个函数通常用于将python序列转换为numpy数组对象的场景中。 语法如下所示： numpy.asarray(sequence, dtype = None,
阅读全文
Python机器学习（三十七）NumPy 数组创建
摘要：要创建ndarray数组对象，除了使用底层的ndarray构造函数(ndarray.array())，还可以使用下面介绍的函数。 numpy.empty empty函数创建未初始化数组，可以指定数组形状和数据类型。 语法如下所示： numpy.empty(shape, dtype = float,
阅读全文
Python机器学习（三十六）NumPy 数据类型
摘要：NumPy提供的数值类型，数值范围比Python提供的数值类型更大。NumPy的数值类型，如下表所示： SN数据类型描述 1 bool_ 布尔值，取值ture/false，占用一个字节 2 int_ 是integer的默认类型。与C语言中的long类型相同，有可能是64位或32位。 3 intc 类
阅读全文
Python机器学习（三十五）NumPy ndarray
摘要：NumPy中最重要的类是ndarray，ndarray是存储单一数据类型的多维数组。 可以使用索引(从0开始)访问ndarray对象中的元素。 ndarray的内存结构 标准的Python列表(list)中，元素是对象。如：L = [1, 2, 3]，需要3个指针和三个整数对象，对于数值运算比较浪费
阅读全文
Python机器学习（三十四）Numpy 介绍
摘要：Numpy代表numeric python，是一个用于计算、处理多维数组的python包。 NumPy包由Travis Oliphant在2005年创建，基于原来的Numeric模块与Numarray模块，大部分是用c语言编写的。 NumPy提供各种强大的数据结构(多维数组和矩阵)，以及对这些数据结
阅读全文
Python机器学习（三十三）Sklearn 速查
摘要：Scikit-learn是一个开源Python库，它使用统一的接口实现了一系列机器学习、预处理、交叉验证和可视化算法。 一个基本例子 from sklearn import neighbors, datasets, preprocessing from sklearn.model_selection
阅读全文
Python机器学习（三十二）Sklearn 支持向量机
摘要：前面章节尝试了K均值聚类模型，准确率并不高。接下来我们尝试一种新方法：支持向量机(SVM)。 支持向量机 支持向量机(support vector machine/SVM)，通俗来讲，它是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，其学习策略便是间隔最大化，最终可转化为一个凸
阅读全文
Python机器学习（三十一）Sklearn K均值聚类
摘要：到目前为止，我们已经非常深入地了解了数据集，并且把它分成了训练子集与测试子集。 接下来，我们将使用聚类方法训练一个模型，然后使用该模型来预测测试子集的标签，最后评估该模型的性能。 聚类(clustering)是在一组未标记的数据中，将相似的数据（点）归到同一个类别中的方法。聚类与分类的最大不同在于分
阅读全文
Python机器学习（三十）Sklearn 预处理数据
摘要：前面章节中，我们首先加载数据，接着查看数据集的基本信息，然后可视化数据进一步查看数据集信息。接下来，我们开始处理数据，但这之前，通常需要预处理数据。 数据标准化 大型数据分析项目中，数据来源不同，量纲及量纲单位不同，为了让它们具备可比性，需要采用标准化方法消除由此带来的偏差。原始数据经过数据标准化处
阅读全文
Python机器学习（二十九）Sklearn 可视化数据:主成分分析(PCA)
摘要：主成分分析(PCA)是一种常用于减少大数据集维数的降维方法，把大变量集转换为仍包含大变量集中大部分信息的较小变量集。 减少数据集的变量数量，自然是以牺牲精度为代价的，降维的好处是以略低的精度换取简便。因为较小的数据集更易于探索和可视化，并且使机器学习算法更容易和更快地分析数据，而不需处理无关变量。
阅读全文
Python机器学习（二十八）Sklearn 使用matplotlib可视化数据
摘要：digits是一个手写数字的数据集，我们可以使用Python的数据可视化库，比如matplotlib，来查看这些手写数字图像。 示例 显示digits.images中的手写数字图像。 from sklearn import datasets # 加载 `digits` 数据集 digits = da
阅读全文
Python机器学习（二十七）Sklearn 数据集基本信息
摘要：前面章节中，我们加载了SciKit-Learn自带的数据集digits，可以通过以下语句查看数据集中包含哪些主要内容： digits.keys() 输出 dict_keys(['data', 'target', 'target_names', 'images', 'DESCR']） data 样本数
阅读全文
Python机器学习（二十六）Sklearn 加载数据集
摘要：机器学习是计算机科学的一个分支，研究的是无需人类干预，能够自己学习的算法。 与TensorFlow不同，Scikit-learn(sklearn)的定位是通用机器学习库，而TensorFlow(tf)的定位主要是深度学习库。 数据科学中的第一步通常都是加载数据，我们首先学习怎么使用SciKit-Le
阅读全文
Python机器学习（二十五）尬聊机器学习
摘要：如果你从来没有使用过机器学习，你会想，这个不就是编程吗？或者，到底机器学习是什么？首先，我们确实是使用编程语言来实现机器学习模型，我们跟计算机其他领域一样，使用同样的编程语言和硬件。但不是每个程序都用了机器学习。对于第二个问题，精确定义机器学习就像定义什么是数学一样难，但我们试图在这章提供一些直观的
阅读全文
Python机器学习（二十四）机器学习常见算法分类汇总
摘要：机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。这里IT经理网为您总结一下常见的机器学习算法，以供您在工作和学习中参考。 机器学习的算法很多。很多时候困惑人们都是，很多算法是一类算法，而有些算法又是从其他算法中延伸出来的。这里，我们从两个方面来给大家
阅读全文
Python机器学习（二十三）机器学习简史
摘要：自从科学，技术和人工智能的最初立场出发，跟随布莱斯·帕斯卡（Blaise Pascal）和冯·莱布尼兹（Von Leibniz）的科学家们在思考这种机器具有与人类一样多的智力。儒勒·凡尔纳（Jules Verne），弗兰克·鲍姆（Frank Baum，绿野仙踪），玛丽·雪莉（Frankkenstei
阅读全文
Python机器学习（二十二）马尔科夫算法
摘要：1. 前言 隐马尔科夫HMM模型是一类重要的机器学习方法，其主要用于序列数据的分析，广泛应用于语音识别、文本翻译、序列预测、中文分词等多个领域。虽然近年来，由于RNN等深度学习方法的发展，HMM模型逐渐变得不怎么流行了，但并不意味着完全退出应用领域，甚至在一些轻量级的任务中仍有应用。本系列博客将详细
阅读全文
Python机器学习（二十一）随机森林算法
摘要：一、随机森林算法简介： 在机器学习中，随机森林是一个包含多个决策树的分类器， 并且其输出的类别是由个别树输出的类别的众数而定。 Leo Breiman和Adele Cutler发展出推论出随机森林的算法。而 "Random Forests" 是他们的商标。 这个术语是1995年由贝尔实验室的Tin
阅读全文
Python机器学习（二十）决策树系列三—CART原理与代码实现
摘要：ID3，C4.5算法缺点 ID3决策树可以有多个分支，但是不能处理特征值为连续的情况。 在ID3中，每次根据“最大信息熵增益”选取当前最佳的特征来分割数据，并按照该特征的所有取值来切分， 也就是说如果一个特征有4种取值，数据将被切分4份，一旦按某特征切分后，该特征在之后的算法执行中， 将不再起作用，
阅读全文