上一页 1 2 3 4 5 6 7 8 ··· 19 下一页
摘要: 一.数据产生 KNN分类 KNN回归预测 KNN参数k对回归预测的影响 线性回归预测模型 线性回归图示 多元线性回归预测 岭回归 Lasso 回归 逻辑回归正则化参数的影响 应用于真实数据 SVM 线性SVM Linear Support Vector Machine: C parameter 线性 阅读全文
posted @ 2018-03-11 22:57 郑哲 阅读(4466) 评论(0) 推荐(0) 编辑
摘要: 解决方法: 阅读全文
posted @ 2018-03-10 13:51 郑哲 阅读(505) 评论(0) 推荐(0) 编辑
摘要: knn中聚类个数k对最后准确率的影响 knn对数据集train/test划分比例的敏感性 阅读全文
posted @ 2018-03-10 12:14 郑哲 阅读(1423) 评论(0) 推荐(0) 编辑
摘要: 1 import numpy as np 2 import pandas as pd 3 import matplotlib.pyplot as plt 4 import seaborn as sns 5 6 %matplotlib notebook 1 np.random.seed(1234) 2 3 v1 = pd.Series(np.random.normal(0,10,1000)... 阅读全文
posted @ 2018-03-09 21:32 郑哲 阅读(341) 评论(0) 推荐(0) 编辑
摘要: DataFrame.plot 我们可以设置plot函数中的kind来决定我们想画什么 下面列举kind的的可选值 kind : 'line' : 直线(默认) 'bar' : 垂直条形图 'barh' : 水平条形图 'hist' : 直方图 'box' : 箱型图 'kde' : 核密度估计图 ' 阅读全文
posted @ 2018-03-09 21:18 郑哲 阅读(232) 评论(0) 推荐(0) 编辑
摘要: 1 plt.figure() 2 data = np.random.rand(10) 3 plt.plot(data) 4 #创建点击事件 5 def onclick(event): 6 plt.cla() 7 plt.plot(data) 8 plt.gca().set_title('Event at pixels {},{} \nand data {}... 阅读全文
posted @ 2018-03-09 20:50 郑哲 阅读(1098) 评论(0) 推荐(0) 编辑
摘要: 1 import matplotlib.animation as animation 2 3 n = 100 4 x = np.random.randn(n) 1 # create the function that will do the plotting, where curr is the current frame 2 def update(curr): 3 # ch... 阅读全文
posted @ 2018-03-09 20:44 郑哲 阅读(241) 评论(0) 推荐(0) 编辑
摘要: 1 plt.figure() 2 3 Y = np.random.normal(loc=0.0, scale=1.0, size=10000) 4 X = np.random.random(size=10000) #bins设置区间大小 5 _ = plt.hist2d(X, Y, bins=25) 1 plt.figure() 2 _ = plt.hist2d(X, Y, bins=1... 阅读全文
posted @ 2018-03-09 20:40 郑哲 阅读(194) 评论(0) 推荐(0) 编辑
摘要: 1 import pandas as pd 2 normal_sample = np.random.normal(loc=0.0, scale=1.0, size=10000) 3 random_sample = np.random.random(size=10000) 4 gamma_sample = np.random.gamma(2, size=10000) 5 6 #创建新... 阅读全文
posted @ 2018-03-09 20:34 郑哲 阅读(393) 评论(0) 推荐(0) 编辑
摘要: 在图像上直方图和条形图相似,但是直方图是用来统计数据在某个值上的数量。 阅读全文
posted @ 2018-03-09 20:10 郑哲 阅读(357) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 8 ··· 19 下一页