2020年6月18日
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
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
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
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
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
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
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
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
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
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
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
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
摘要：
近年来，随着科技的快速发展，人工智能不断进入我们的视野中。作为人工智能的核心技术，机器学习和深度学习也变得越来越火。一时间，它们几乎成为了每个人都在谈论的话题。那么，机器学习和深度学习到底是什么，它们之间究竟有什么不同呢？ 什么是机器学习？ 机器学习(Machine Learning，ML)是人工智 阅读全文
摘要：
人工智能的浪潮正席卷全球，诸多词汇时刻萦绕在我们的耳边，如人工智能，机器学习，深度学习等。“人工智能”的概念早在1956年就被提出，顾名思义用计算机来构造复杂的，拥有与人类智慧同样本质特性的机器。经过几十年的发展，在2012年后，得益于数据量的上涨，运算力的提升和机器学习算法(深度学习)的出现，人工 阅读全文
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
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
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
