05 2020 档案

随机森林回归器学习
摘要：关于回归器的相关介绍可以看前面回归决策树的文章，由于随机森林回归器是基于回归决策树的，所以基本的概念是相同的，比如衡量标准，其他的基本属性参数等等...... 这里主要是对随机森林回归器的一个简单运用，调用一个完整的boston房价数据集，人为的使数据集变为缺失数据集，分别采用均值法、补0法、随机森 阅读全文
posted @ 2020-05-15 16:38 victorywr 阅读(2324) 评论(0) 推荐(0)
随机森林分类器学习
摘要：集成学习（ensemble learning）是时下非常流行的机器学习算法，它本身不是一个单独的机器学习算法，而是通过在数据上构建多个模型，集成所有模型的建模结果。基本上所有的机器学习领域都可以看到集成学习的身影，在现实中集成学习也有相当大的作用，sklearn中有一系列的集成算法，比如adaboo 阅读全文
posted @ 2020-05-15 11:37 victorywr 阅读(1513) 评论(0) 推荐(0)
决策树学习——回归树
摘要：回归树也是一种决策树，不过它处理的数据标签不是属于分类的，也就是说它的标签是一个连续随机的值，比如说对一个城市的房价的预测，每个月的房价都是随机波动的值，不像分类任务，要将所有数据根据标签进行分类。 重要参数、属性、接口 criterion:回归树衡量分枝质量的指标，支持的标准有三种： 1）输入"m 阅读全文
posted @ 2020-05-14 16:20 victorywr 阅读(2484) 评论(0) 推荐(0)
决策树——泰坦尼克号生存者预测
摘要：import pandas as pd from sklearn.tree import DecisionTreeClassifier from sklearn.model_selection import train_test_split from sklearn.model_selection 阅读全文
posted @ 2020-05-14 08:43 victorywr 阅读(766) 评论(0) 推荐(0)
决策树——分类决策树学习
摘要：决策树（Decision Tree）是一种非参数的有监督学习方法，它能够从一系列有特征和标签的数据中总结出决策规则，并用树状图的结构来呈现这些规则，以解决分类和回归问题。决策树算法容易理解，适用各种数据，在解决各种问题时都有良好表现，尤其是以树模型为核心的各种集成算法。 个人感受：一组数据样本，具备 阅读全文
posted @ 2020-05-14 08:39 victorywr 阅读(962) 评论(0) 推荐(0)
移动目标检测（纯图像方式、无需神经网络训练）
摘要：偶然看到一个公众号的文章，对移动目标检测系统的设计，这是一种极为简便，容易实现的目标检测，因为它不需要训练神经网络，也不需要制作训练集，前提是背景不能变化，最适用于固定摄像头的环境，比如说路口的车辆目标检测，智能生产线上对产品的检测等。缺点是针对不同的使用环境需要适当的调整一些参数，找到的轮廓与实际 阅读全文
posted @ 2020-05-01 16:57 victorywr 阅读(4588) 评论(0) 推荐(1)