Attribute Information: 1. sepal length in cm 2. sepal width in cm 3. petal length in cm 4. petal width in cm 5. class: -- Iris Setosa -- Iris Versicolour -- Iris Virginica
2021-05-26 09:04:39 5KB iris dataset 鸢尾花数据集
1
python机器学习入门-用鸢尾花data建立python机器学习,本次运行Python版本为3.6.2,且已安装相关python库
2021-05-16 21:53:56 2KB 机器学习
1
机器学习的学习资料,讲解十分详细
2021-05-13 22:02:26 1.99MB 机器学习 人工智能
1
机器学习入门-PPT.pdf
2021-05-11 18:07:00 9.83MB 机器学习
1
机器学习入门到精通/适合刚入门/适合开发/本科/研究生等
2021-04-20 19:09:21 30.58MB python 机器学习入门到精通
1
文章目录前言PolynomialFeatures详细探讨如何实现多项式回归代码实现:正规方程验证 前言 在机器学习入门(六)中,已经通过pipeline快速实现了多项式回归。代码如下: PolyRegr = Pipeline([ ('poly',PolynomialFeatures(degree=2)), ('clf',LinearRegression()) ]) PolyRegr.fit(X, y) 这个方式省略了很多步骤,并且也无法得知PolynomialFeatures是如何运作的。 PolynomialFeatures详细探讨 现在有(
2021-03-08 23:53:43 138KB al ia om
1
数据科学正在快速发展成所有行业开发人员和管理人员的关键技能,它看起来也十分有趣。但是,它非常复杂,虽有许多工程和分析工具助力,却也难清楚掌握现在做得对不对,哪里是不是有陷阱。在本文中,我们解释了如何发挥数据科学的作用,理解哪里需要它,哪里不需要它,以及如何令它为你产生价值,如何从先行者那里获得有用的经验。这是“GettingAHandleOnDataScience”系统文章中的一部分,你可以通过此RSS予以订阅。大多数类型的机器学习项目归根结底通常是使用监督式学习方式进行分类或回归。特征工程是大多数机器学习过程中的一个关键组成部分。像K均值(K-means)之类无人监督式的学习算法能用于你事前
2021-02-25 22:04:51 372KB 机器学习入门
1
加州理工大学Mustafa教授的机器学习入门教材,非常浅显易懂,配合公开课效果更好哦(全课程18节,网易公开课只有前10节,并且中文字幕很渣,推荐B站的英文字幕原版)
2020-04-01 12:10:15 21.95MB 机器学习 入门 教材 Yaser-Abu
1
菜菜的scikit-klearn课堂 https://live.bilibili.com/12582510
1