随笔分类 - scikit-learn
摘要：参考资料： sklearn调包侠之KNN算法 深入浅出KNN算法（一） KNN算法原理 深入浅出KNN算法（二） sklearn KNN实践 KNN的原理就是当预测一个新的值x的时候，根据它距离最近的K个点是什么类别来判断x属于哪个类别。 KNN是有监督学习中的分类算法，也就是已知训练样本的labe
阅读全文
摘要：数据降维与可视化——t-SNE sklearn的TSNE函数中，有个perplexity参数，这个参数我试过从10到600，发现参数越大，数据会被聚集的越紧，甚至会把几簇聚为一簇，同时x和y的坐标范围也会越小。所以在可视化的时候，要多调试这个参数，找到合适的值。
阅读全文
摘要：介绍 图片摘自stackoverflow: what-is-the-difference-between-fit-fit-transform-and-transform 例一 from sklearn.preprocessing import StandardScaler ss = Standard
阅读全文
摘要：sklearn中的高斯混合模型GMM sklearn GMM模型介绍
阅读全文
摘要：sklearn中PCA降维的使用方法
阅读全文
摘要：一般在有监督训练中，我们很自然地会用如下模式去预测测试集的分类：(以svm为例) svm.fit(x_train, y_train) y_pred=svm.predict(x_test) 那么无监督训练中是否也可以在一个数据集上训练，然后用训练好的模型直接调用predict()函数在另一个数据集上进
阅读全文
摘要：1. 通用模板 参考：使用sklearn构建模型的通用模板 该文章详细介绍了数据集的加载、训练集测试集的划分、基本算法模型模板、有交叉验证的算法模型模板、可调参的算法模型模板等，有不错的参考价值。例如，下图是该文章的基本算法模型模板： 2. 预估对象 预估对象是指上图中的"3、模型名"。 sklea
阅读全文
摘要：scikit-learn中的KMeans聚类实现( + MiniBatchKMeans)
阅读全文
摘要：数据归一化 minmax_scale()函数解析 例子: import numpy as np from sklearn.preprocessing import MinMaxScaler a = np.arange(20).reshape(4, 5) ms = MinMaxScaler(featu
阅读全文
摘要：scikit-learn数据预处理fit_transform()与transform()的区别
阅读全文
摘要：1. 算法步骤 随机选取k个样本点充当k个簇的中心点； 计算所有样本点与各个簇中心之间的距离，然后把样本点划入最近的簇中； 根据簇中已有的样本点，重新计算簇中心； 重复步骤2和3，直到簇中心不再改变或改变很小。 2. 手动Python实现 import numpy as np import matp
阅读全文
