摘要: cols=['ID','Gender','ExamYear','Class','Participated','Passed','Employed','Grade']df=df.ix[:,cols] df=df.ix[:,cols]语句表示,DataFrame的行索引不变,列索引是cols中给定的索引 阅读全文
posted @ 2019-01-15 11:05 行走中的机器码 阅读(2087) 评论(0) 推荐(0) 编辑
摘要: 监督学习是有标签的。监督学习分为两部分:分类和回归。分类针对的是离散的问题,回归针对的是连续的问题。 无监督学习是无标签的。 阅读全文
posted @ 2019-01-15 11:04 行走中的机器码 阅读(109) 评论(0) 推荐(0) 编辑
摘要: 3.1矩阵和向量 要清楚什么是矩阵,什么是向量,以及什么是维度. 3.2加法和标量乘法 3.3矩阵向量乘法 3.4矩阵的乘法及其性质 矩阵的乘法不满足交换律,只满足结合律。 3.5矩阵的逆和转置 矩阵的逆: 矩阵的转置: 矩阵转置的基本性质: 阅读全文
posted @ 2019-01-15 10:59 行走中的机器码 阅读(130) 评论(0) 推荐(0) 编辑
摘要: 一个有监督的房价训练模型如下所示: 单变量线性回归问题: 模型预测值与训练实际值之间的差距,就是建模误差。 一般常用的代价函数是平方误差函数,之所以提出误差的平方和,是因为误差平方代价函数对于大多数问题特别是回归问题,都是一个合理的选择。 常使用梯度下降作为求函数最小值的算法,开始时我们随机选择一个 阅读全文
posted @ 2019-01-15 10:54 行走中的机器码 阅读(88) 评论(0) 推荐(0) 编辑