02 2021 档案

摘要:CAS 实现单点登录(SSO)返回更多用户信息(五) 阅读全文
posted @ 2021-02-28 18:18 技术研究与问题解决 阅读(145) 评论(0) 推荐(0) 编辑
摘要:import numpy as np from matplotlib import pyplot as plt from sklearn import linear_model, datasets n_samples = 1000 n_outliers = 50 X, y, coef = datas 阅读全文
posted @ 2021-02-25 17:40 技术研究与问题解决 阅读(781) 评论(0) 推荐(0) 编辑
摘要:from sklearn.datasets import make_classification X, y = make_classification(n_samples=10000, # 样本个数 n_features=25, # 特征个数 n_informative=3, # 有效特征个数 n_ 阅读全文
posted @ 2021-02-25 17:31 技术研究与问题解决 阅读(4439) 评论(0) 推荐(2) 编辑
摘要:sklearn 中 模型保存有两种方式,版本不同,可查看官网,这里只做简单记录 方式一:序列化 序列化 的具体用法请自行研究 >>> from sklearn import svm >>> from sklearn import datasets >>> clf = svm.SVC() >>> X, 阅读全文
posted @ 2021-02-25 16:26 技术研究与问题解决 阅读(199) 评论(0) 推荐(0) 编辑
摘要:make_classification创建用于分类的数据集,官方文档 例子: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 阅读全文
posted @ 2021-02-25 16:18 技术研究与问题解决 阅读(230) 评论(0) 推荐(0) 编辑
摘要:前面一节咱们已经介绍了决策树的原理已经在sklearn中的应用。那么这里还有两个数据处理和sklearn应用中的小知识点咱们还没有讲,但是在实践中却会经常要用到的,那就是交叉验证cross_validation和Pipeline。cross_validation是保证了咱们的模型不受数据分布的影响, 阅读全文
posted @ 2021-02-25 15:57 技术研究与问题解决 阅读(313) 评论(0) 推荐(0) 编辑
摘要:pipeline就是一个机器学习工作流 一个典型的机器学习构建包含若干个过程 1、源数据ETL 2、数据预处理 3、特征选取 4、模型训练与验证 以上四个步骤可以抽象为一个包括多个步骤的流水线式工作,从数据收集开始至输出我们需要的最终结果。因此,对以上多个步骤、进行抽象建模,简化为流水线式工作流程则 阅读全文
posted @ 2021-02-25 14:59 技术研究与问题解决 阅读(438) 评论(0) 推荐(0) 编辑
摘要:Python 机器学习 唐宇迪泰坦尼克号【最新代码】 阅读全文
posted @ 2021-02-24 15:21 技术研究与问题解决 阅读(125) 评论(0) 推荐(0) 编辑
摘要:sklearn更新后执行下面的可能会报错 from sklearn.cross_validation import train_test_split 报错ImportError: cannot import name 'cross_validation' 解决方法: 库路径变了 改为: from s 阅读全文
posted @ 2021-02-24 13:44 技术研究与问题解决 阅读(2225) 评论(0) 推荐(0) 编辑
摘要:python机器学习-模型优化(六) 阅读全文
posted @ 2021-02-22 13:41 技术研究与问题解决 阅读(78) 评论(0) 推荐(0) 编辑
摘要:python机器学习-模型评估(五) 阅读全文
posted @ 2021-02-22 13:39 技术研究与问题解决 阅读(42) 评论(0) 推荐(0) 编辑
摘要:python机器学习-建模(四) 阅读全文
posted @ 2021-02-22 13:37 技术研究与问题解决 阅读(34) 评论(0) 推荐(0) 编辑
摘要:python机器学习-特征工程(三) 阅读全文
posted @ 2021-02-22 13:35 技术研究与问题解决 阅读(30) 评论(0) 推荐(0) 编辑
摘要:Python机器学习-数据预处理(二) 阅读全文
posted @ 2021-02-22 13:26 技术研究与问题解决 阅读(30) 评论(0) 推荐(0) 编辑
摘要:Python机器学习-数据观察(一) 阅读全文
posted @ 2021-02-22 13:22 技术研究与问题解决 阅读(60) 评论(0) 推荐(0) 编辑
摘要:模型评估之混淆矩阵(confusion_matrix)含义及Python代码实现 阅读全文
posted @ 2021-02-22 11:42 技术研究与问题解决 阅读(623) 评论(0) 推荐(0) 编辑
摘要:numpy中的ravel() 阅读全文
posted @ 2021-02-21 21:39 技术研究与问题解决 阅读(258) 评论(0) 推荐(0) 编辑
摘要:SKLearn 信用卡欺诈检测(creditcard) 阅读全文
posted @ 2021-02-21 21:31 技术研究与问题解决 阅读(67) 评论(0) 推荐(0) 编辑
摘要:sklearn KFold() 阅读全文
posted @ 2021-02-21 15:38 技术研究与问题解决 阅读(54) 评论(0) 推荐(0) 编辑
摘要:用在Jupyter notebook中具体作用是当你调用matplotlib.pyplot的绘图函数plot()进行绘图的时候,或者生成一个figure画布的时候,可以直接在你的python console里面生成图像。效果如下: 不加%matplotlib inline 加上%matplotlib 阅读全文
posted @ 2021-02-21 14:20 技术研究与问题解决 阅读(195) 评论(0) 推荐(0) 编辑
摘要:sklearn中已经废弃cross_validation,将其中的内容整合到model_selection中 将sklearn.cross_validation 替换为 sklearn.model_selection 阅读全文
posted @ 2021-02-20 17:43 技术研究与问题解决 阅读(170) 评论(0) 推荐(0) 编辑
摘要:pandas.get_dummies 的用法 阅读全文
posted @ 2021-02-20 16:32 技术研究与问题解决 阅读(266) 评论(0) 推荐(0) 编辑
摘要:机器学习方法(一)——梯度下降法 阅读全文
posted @ 2021-02-19 18:50 技术研究与问题解决 阅读(36) 评论(0) 推荐(0) 编辑
摘要:pandas +sqlalchemy读写oracle数据库 阅读全文
posted @ 2021-02-19 16:27 技术研究与问题解决 阅读(180) 评论(0) 推荐(0) 编辑
摘要:使用Python和Keras进行实用的文本分类 阅读全文
posted @ 2021-02-02 13:49 技术研究与问题解决 阅读(57) 评论(0) 推荐(0) 编辑
摘要:https://archive.ics.uci.edu/ml/datasets.php 阅读全文
posted @ 2021-02-02 13:19 技术研究与问题解决 阅读(504) 评论(0) 推荐(0) 编辑
摘要:实战教程 :使用Python和keras进行文本分类(上) 阅读全文
posted @ 2021-02-02 13:18 技术研究与问题解决 阅读(54) 评论(0) 推荐(0) 编辑
摘要:特征工程之特征预处理-文本特征 阅读全文
posted @ 2021-02-01 20:25 技术研究与问题解决 阅读(34) 评论(0) 推荐(0) 编辑
摘要:pandas中的reset_index() 数据清洗时,会将带空值的行删除,此时DataFrame或Series类型的数据不再是连续的索引,可以使用reset_index()重置索引。 import pandas as pd import numpy as np df = pd.DataFrame( 阅读全文
posted @ 2021-02-01 16:09 技术研究与问题解决 阅读(332) 评论(0) 推荐(0) 编辑
摘要:【Github】解决GitHub文件无法下载的问题 阅读全文
posted @ 2021-02-01 15:13 技术研究与问题解决 阅读(370) 评论(0) 推荐(0) 编辑
摘要:pandas.DataFrame索引之 loc与iloc用法 阅读全文
posted @ 2021-02-01 12:03 技术研究与问题解决 阅读(90) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示