随笔分类 - scikit-learn笔记
摘要：1 概述 1.1 决策树是如何工作的 1.2 构建决策树 1.2.1 ID3算法构建决策树 1.2.2 简单实例 1.2.3 ID3的局限性 1.3 C4.5算法 & CART算法 1.3.1 修改局部最优化条件 1.3.2 连续变量处理手段 1.4 sklearn中的决策树 2 DecisionT
阅读全文
摘要：我的开发环境是Jupyter lab，所用的库和版本大家参考： Python 3.7.1（你的版本至少要3.4以上) Scikit-learn 0.20.0 （你的版本至少要0.19) Graphviz 0.8.4 (没有画不出决策树哦，安装代码conda install python-graphv
阅读全文
摘要：sklearn中的朴素贝叶斯 1 概述 1.1 真正的概率分类器 1.2 朴素贝叶斯是如何工作的 1.2.1 瓢虫冬眠：理解P(Y|X) 1.2.2 贝叶斯的性质与最大后验估计 1.2.3 汉堡称重：连续型变量的概率估计 1.3 sklearn中的朴素贝叶斯 2 不同分布下的贝叶斯 2.1 高斯朴素
阅读全文
摘要：sklearn中的线性回归大家族 1 概述 1.1 线性回归大家族 1.2 sklearn中的线性回归 2 多元线性回归LinearRegression 2.1 多元线性回归的基本原理 2.2 最小二乘法求解多元线性回归的参数 2.3 linear_model.LinearRegression 3
阅读全文
摘要：sklearn中的支持向量机SVM（下） 1 二分类SVC的进阶 1.1 SVC用于二分类的原理复习 1.2 参数C的理解进阶 1.3 二分类SVC中的样本不均衡问题：重要参数class_weight 2 SVC的模型评估指标 2.1 混淆矩阵（Confusion Matrix） 2.1.1 模型整
阅读全文
摘要：sklearn中的支持向量机SVM（上） 1 概述 1.1 支持向量机分类器是如何工作的 1.2 支持向量机原理的三层理解 1.3 sklearn中的支持向量机 2 sklearn.svm.SVC 2.1 线性SVM用于分类的原理 2.1.1 线性SVM的损失函数详解 2.1.2 函数间隔与几何间隔
阅读全文
摘要：sklearn中的数据预处理和特征工程1 概述 1.1 数据预处理与特征工程 1.2 sklearn中的数据预处理和特征工程2 数据预处理 Preprocessing & Impute 2.1 数据无量纲化 2.2 缺失值 2.3 处理分类型特征：编码与哑变量 2.4 处理连续型特征：二值化与分段3
阅读全文
摘要：随机森林在sklearn中的实现：随机森林 1 概述 1.1 集成算法概述 1.2 sklearn中的集成算法 2 RandomForestClassifier 2.1 重要参数 2.1.1 控制基评估器的参数 2.1.2 n_estimators 2.1.3 random_state 2.1.4 b
阅读全文
