随笔分类 - python、sklearn
机器学习给我们生活中带来非常伟大的贡献。
摘要：1、分布式版本安装步骤 1.conda安装：conda install dask distributed-cconda-forge 2.pip 安装：pip install dask distributed --upgrade 3.source安装： git clone https://github
阅读全文
摘要：1、模型结构图 2、随机测试模型 3、训练logs 2020-05-10T11:28:20.491640: Step 4, loss_total = 28.22, acc = 2.23%, sec/batch = 1.23 2020-05-10T11:28:27.849279: Step 9, lo
阅读全文
摘要：1、两种方法如下链接 https://www.cnblogs.com/mtcnn/p/9411683.html 2、第一种方法： # coding: utf-8 # python base64 编解码，转换成Opencv，PIL.Image图片格式 import base64 import io f
阅读全文
摘要：灰色预测实现见：https://www.jianshu.com/p/a35ba96d852bfrom pandas import Series from pandas import DataFrame import pandas as pd import matplotlib.pyplot as plt class Gray_model: def __init__(self): ...
阅读全文
摘要：1、先把字符串时间转为时间类型： 2、对时间进行排序:
阅读全文
摘要：xgb使用sklearn接口(推荐) XGBClassifier 5.3 基于Scikit-learn接口的分类 输出结果：Accuracy: 96.67 % 基于Scikit-learn接口的回归 参数调优的一般方法 我们会使用和GBM中相似的方法。需要进行如下步骤： 1. 选择较高的学习速率(l
阅读全文
摘要：# coding:utf-8 import numpy as np import matplotlib.pyplot as plt x = np.arange(-5/2,5/2,0.01) y = -x**3+x**2+np.e+x**4 dy = lambda x:-3*x**2+2*x+4*x**3 dyy = lambda x:-6*x+2+12*x**2 a = 0.001 def...
阅读全文
摘要：一、acc、recall、F1、混淆矩阵、分类综合报告 1、准确率 第一种方式：accuracy_score # 准确率import numpy as np from sklearn.metrics import accuracy_score y_pred = [0, 2, 1, 3,9,9,8,5
阅读全文
摘要：# codind:utf-8 from sklearn.linear_model import SGDRegressor,LinearRegression,Ridge from sklearn.preprocessing import PolynomialFeatures import numpy as np import matplotlib.pyplot as plt x = np.ar...
阅读全文
摘要：下面给大家一起分享使用KMeans自动聚类，压缩图片像素点。每种图片可能他们的维度都不同，比如jpg一共有(w,h,3)三维,但是灰度图只有一维（w,h,1）,也有四维的图片(w,h,4)等等。我们可以将这些不同维度的图片映射到一维的空间中。拿三维图片来做解释吧，三维图有rgb三种颜色，首先把每个点
阅读全文
摘要：下面是部分机器学习的案例，合适入门的朋友学习，有numpy、pandas、matplotlib、scipy、skearn、TensorFlow等库的基本案例教程。
阅读全文
摘要：# _*_ coding = utf_8 _*_ import matplotlib.pyplot as plt import seaborn as sns import pandas as pd from sklearn.model_selection import StratifiedShuffleSplit from sklearn.metrics import accuracy_scor...
阅读全文
摘要：# coding:utf-8 import numpy as np from sklearn.svm import SVC import matplotlib.pyplot as plt #生成数据 dot1= np.random.randn(20,2)+[-3,-3] #生成正态分布数据 dot2 = np.random.randn(20,2)+[2,3] x_tain = np.r_[dot...
阅读全文
摘要：# coding:utf-8 import numpy as np import matplotlib.pyplot as plt from sklearn.neighbors import KNeighborsClassifier # 1、数据读取 x_tain =[] x_test =[] y_tain=[] y_test=[] for i in range(0,10): for ...
阅读全文
摘要：# coding:utf-8 import pandas as pd import numpy as np from pandas import Series,DataFramefrom sklearn.decomposition import PCA# 1、数据读取 data1=pd.read_excel('\谐波数据\YD_10.xlsx') #PCA是主成分降维的构造器 data2 = ...
阅读全文
摘要：# K邻近分类#--------------------------------# coding:utf-8 import pandas as pd from sklearn.neighbors import KNeighborsClassifier # 1、创造数据 data=pd.read_excel(r'data1.xlsx',header=None) biaoq=data.column...
阅读全文
摘要：# 机器学习之k均值聚类# coding:utf-8 import sklearn.datasets as datasets from sklearn.cluster import KMeans import matplotlib.pyplot as plt # 1、创建数据 #无监督学习，算法不需要我们告诉它类别。它自动分出类别 x_tain,target=datasets.make_blob...
阅读全文
