机器学习实战(第四章-朴素贝叶斯-所有代码与详细注解及相关数据文件-python3.7)
机器学习实战(第四章-朴素贝叶斯-所有代码与详细注解及相关数据文件-python3.7)
2022-02-24 21:45:10
54KB
1
由于某些原因，书籍的数据不好下载，特上传csdn供下载。机器学习实战笔记（蜥蜴书2版）所用训练集数据。
2022-02-21 14:30:17
991KB
1
Python数据分析与机器学习实战课程，全套14.17G，仅有免密视频，课程目录：
01 人工智能入门指南
02 科学计算库-numpy
03 数据分析处理库-Pandas
04 可视化库-Matplotlib
05 机器学习入门算法实战-K近邻
06 线性回归算法
07 梯度下降与逻辑回归算法
08 项目实战：信用卡欺诈检测
09 决策树算法
10 随机森林与集成算法
11 项目实战-基于随机森林的气温预测
12 贝叶斯算法
13 项目实战-基于贝叶斯的新闻分类任务
14 无监督聚类-Kmeans算法
15 无监督聚类-DBSCAN算法
16 降维算法-PCA主成分分析
17 降维算法-线性判别分析
18 支持向量机SVM
19 Xgboost提升算法
20 项目实战-Xgboost调参实战
21 探索性数据分析-赛事数据集
22 时间序列ARIMA模型
23 时间序列实战
2022-02-11 22:01:24
85B
为机器学习上机使用python实现KNN算法，里面包括三个案例：约会网站配对、手写数字识别、鸢尾花种类识别；包括所有数据集，代码文件请用Jupyter Notebook打开
2022-01-10 09:19:15
932KB
1
朴素贝叶斯（二）文本分类朴素贝叶斯的一般流程用python进行文本分类准备数据：从文本中构建词向量训练算法：从词向量计算概率测试算法：朴素贝叶斯分类函数文档词袋模型
朴素贝叶斯的一般流程
（1）收集数据：任何方法
（2）准备数据：数值型、布尔型
（3）分析数据：特征多，用直方图效果好
（4）训练算法：计算不同的独立特征的多条件概率
（5）测试算法：计算错误率
（6）使用算法：一般应用于文档分类，也可以在任意分类场景
用python进行文本分类
以在线社区留言板为例，构建快速过滤器，判断是否是侮辱性言论。用1和0分别表示。
准备数据：从文本中构建词向量
#创建一些实验样本
def loadDat
2021-12-29 13:15:51
49KB
1
《Python+Tensorflow机器学习实战》
李鸥 编著 实例源代码
2021-12-20 12:50:48
67.74MB
1
任务安排
1、机器学习导论 8、稀疏表示
2、KNN及其实现 9、核方法
3、K-means聚类 10、高斯混合模型
4、主成分分析 11、嵌入学习
5、线性判别分析 12、强化学习
6、贝叶斯方法 13、PageRank
7、逻辑回归 14、深度学习
主成分分析(PCA)
Ⅰ算法背景：维数灾难
维数灾难最早是由理查德·贝尔曼(Richard E. Bellman)在考虑优化问题时提出来的 ，它用来描述当(数学)空间维度增加时，分析和组织高维空间(通常有成百上千维)中的数据，因
2021-12-12 18:54:50
862KB
1
欢迎阅读Python机器学习系列教程的回归部分。这里，你应该已经安装了Scikit-Learn。如果没有，安装它，以及Pandas和Matplotlib。除了这些教程范围的导入之外，我们还要在这里使用Quandl：首先，对于我们将其用于机器学习而言，什么是回归呢？它的目标是接受连续数据，寻找最适合数据的方程，并能够对特定值进行预测。使用简单的线性回归，你可以仅仅通过创建最佳拟合直线，来实现它。这里，我们可以使用这条直线的方程，来预测未来的价格，其中日期是x轴。回归的热门用法是预测股票价格。由于我们会考虑价格随时间的流动，并且使用连续的数据集，尝试预测未来的下一个流动价格，所以可以这样做。回归是
2021-11-28 17:27:03
473KB
1