上一页 1 2 3 4 5 6 7 ··· 19 下一页
摘要: 1 %matplotlib notebook 2 3 import networkx as nx 4 import matplotlib.pyplot as plt 5 6 # 数据读取 7 G = nx.read_gpickle('major_us_cities') 1 # draw the graph using the default spring layout 2 plt.fig... 阅读全文
posted @ 2018-03-15 16:34 郑哲 阅读(4649) 评论(0) 推荐(2) 编辑
摘要: 邻接表 G_adjlist.txt is the adjaceny list representation of G1. It can be read as follows: 0 1 2 3 5 →→ node 0 is adjacent to nodes 1, 2, 3, 5 1 3 6 →→ n 阅读全文
posted @ 2018-03-15 14:55 郑哲 阅读(913) 评论(0) 推荐(0) 编辑
摘要: CountVectorizer AUC: 0.889951006492 AUC: 0.889951006492 AUC: 0.889951006492 AUC: 0.889951006492 AUC: 0.889951006492 1 feature_names = np.array(vect.ge 阅读全文
posted @ 2018-03-15 13:48 郑哲 阅读(782) 评论(0) 推荐(0) 编辑
摘要: 1 import nltk 2 from nltk.book import * *** Introductory Examples for the NLTK Book *** Loading text1, ..., text9 and sent1, ..., sent9 Type the name 阅读全文
posted @ 2018-03-15 13:24 郑哲 阅读(1358) 评论(0) 推荐(1) 编辑
摘要: 1 import pandas as pd 2 3 time_sentences = ["Monday: The doctor's appointment is at 2:45pm.", 4 "Tuesday: The dentist's appointment is at 11:30 am.", 5 "Wed... 阅读全文
posted @ 2018-03-15 12:53 郑哲 阅读(2017) 评论(0) 推荐(0) 编辑
摘要: ['#UNSG'] ['#UNSG'] ['#UNSG'] ['#UNSG'] ['#UNSG'] 1 [w for w in text6 if w.startswith('@')] ['@'] 1 text7 = '@UN @UN_Women "Ethics are built right int 阅读全文
posted @ 2018-03-15 09:52 郑哲 阅读(191) 评论(0) 推荐(0) 编辑
摘要: 这本笔记本的目的是让你可视化各种分类器的决策边界。 本笔记本中使用的数据基于存储在mushrooms.csv中的UCI蘑菇数据集。 为了更好地确定决策边界,我们将对数据执行主成分分析(PCA)以将维度降至2维。 降维将在本课程后面的模块中介绍。 玩弄不同的模型和参数,看看它们如何影响分类器的决策边界 阅读全文
posted @ 2018-03-15 09:41 郑哲 阅读(2064) 评论(0) 推荐(0) 编辑
摘要: 数据准备 降维和流形学习 PCA 使用PCA查找乳腺癌数据集的前两个主要组成部分 画出各个因素对两个主成分的影响大小 PCA用于水果数据集(用于比较) 多种学习方法 水果数据集上的多维缩放(MDS) 乳腺癌上的多维缩放 t-SNE on the fruit dataset (结果不是很好) t-SN 阅读全文
posted @ 2018-03-14 15:10 郑哲 阅读(553) 评论(0) 推荐(0) 编辑
摘要: 序言和数据集 贝叶斯分类器 Application to a real-world dataset 决策树集成 随机森林 Random forest: Fruit dataset Random Forests on a real-world dataset Gradient-boosted deci 阅读全文
posted @ 2018-03-14 14:44 郑哲 阅读(482) 评论(0) 推荐(0) 编辑
摘要: 对分类模型的检验 加载数据 Decision tree classifier (max_depth = 2) [[400 7] [ 17 26]] Decision tree classifier (max_depth = 2) [[400 7] [ 17 26]] Decision tree cl 阅读全文
posted @ 2018-03-12 10:16 郑哲 阅读(608) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 ··· 19 下一页