-
逻辑回归,不需要指定 函数(线性、几次方、指数等)
code: https://github.com/hanbingjiao/ML-Python3-LogisticRegression-Demo/
查看全部 -
1
查看全部 -
1
查看全部 -
把原数据中的 data和target,赋值给大些X 和 小写y
查看全部 -
1.代码:
#1 .iris数据加载
from sklearn import datasets
iris = datasets.load_iris()
#2. 数据展示
iris.data
iris.feature_name
iris.target
iris.target_name
#3. 确认数据类型与数据维度
print(type(iris.data))
print(type(iris.target))
print(iris.data.shape)
print(iris.target.shape
2.量化。比如字符串,也做量化。比如Enum,要量化。比如 很高,很矮这种"定性"的词儿都要"定量"
3.确认是numpy数组:看下图
4.确认看下图
查看全部 -
NumPy: 方便做矩阵运算
查看全部 -
1
查看全部 -
1
查看全部 -
python: 胶水语言。引入其他的包,特别特别方便。
scikit-learn: 很多算法都写好了。给我们作为一个lib用
Jupyter notebook: 基于web,比pycharm 轻量级。代码可以逐块运行,可以在运行中, 实时看变量变化。
查看全部 -
优化准则:类似目标。比如:相同颜色的点之间 距离越短越好。同类之间的点如何如何..
查看全部 -
标签 是y
特征向量是input
查看全部 -
我们看新闻A,电脑推送类型新闻,也属于聚类,不是分类。是自动识别 文章之间的相似度。
查看全部 -
1
查看全部 -
数据预处理
跟之前老师观点一样:数据决定模型表现的上限(天花板),算法、调参决定高度,这个高度在天花板下面。
查看全部 -
2
查看全部
举报