腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
不仅仅是python
专栏成员
举报
131
文章
156437
阅读量
28
订阅数
订阅专栏
申请加入专栏
全部文章(131)
python(94)
机器学习(15)
django(14)
flask(14)
html(13)
神经网络(13)
深度学习(13)
http(13)
编程算法(13)
人工智能(11)
网站(9)
文件存储(7)
numpy(7)
面向对象编程(6)
决策树(5)
tensorflow(3)
数据库(3)
sql(3)
监督学习(3)
线性回归(3)
selenium(3)
数据可视化(3)
入门(3)
matlab(2)
日志服务(2)
命令行工具(2)
开源(2)
gui(2)
无监督学习(2)
数据分析(2)
windows(2)
matplotlib(2)
比特币(1)
区块链(1)
数字货币(1)
c++(1)
php(1)
javascript(1)
bash(1)
xml(1)
css(1)
json(1)
sqlalchemy(1)
ide(1)
bash 指令(1)
强化学习(1)
正则表达式(1)
scrapy(1)
scikit-learn(1)
uml(1)
anaconda(1)
数据结构(1)
csv(1)
data(1)
jupyter(1)
map(1)
mnist(1)
编码(1)
公众号(1)
函数(1)
集群(1)
视频(1)
数学(1)
数组(1)
微信公众号(1)
搜索文章
搜索
搜索
关闭
机器学习-随机森林(Random Forest)
决策树
机器学习
神经网络
深度学习
人工智能
随机森林是一组决策树的商标术语。在随机森林中,我们收集了决策树(也称为“森林”)。为了基于属性对新对象进行分类,每棵树都有一个分类,我们称该树对该类“投票”。森林选择投票最多的类别(在森林中的所有树木上)。
XXXX-user
2019-10-16
819
0
机器学习-将多项式朴素贝叶斯应用于NLP问题
机器学习
神经网络
深度学习
人工智能
编程算法
朴素贝叶斯分类器算法是一系列概率算法,基于贝叶斯定理和每对特征之间条件独立的“朴素”假设而应用。 贝叶斯定理计算概率P(c | x),其中c是可能结果的类别,x是必须分类的给定实例,表示某些特定特征。
XXXX-user
2019-09-25
847
0
机器学习-朴素贝叶斯分类器
编程算法
机器学习
神经网络
深度学习
人工智能
使用贝叶斯定理,我们可以找到已知B发生,A发生的可能性。在这里,B是证据,A是假设。这里所做的假设是预测变量/特征是独立的。也就是说,一个特定功能的存在不会影响其他功能。因此,它被称为朴素。
XXXX-user
2019-09-25
736
0
机器学习-朴素贝叶斯(Naive Bayes)案例
机器学习
神经网络
深度学习
人工智能
编程算法
这是一种基于贝叶斯定理的分类技术,假设预测变量之间具有独立性。简而言之,朴素贝叶斯分类器假定类中某个特定特征的存在与任何其他特征的存在无关。例如,如果水果是红色,圆形且直径约3英寸,则可以将其视为苹果。即使这些特征相互依赖或依赖于其他特征的存在,朴素的贝叶斯分类器也会考虑所有这些特征,以独立地促成该果实是苹果的可能性。
XXXX-user
2019-09-25
844
0
机器学习-支持向量机(SVM:Support Vector Machine)案例
编程算法
机器学习
神经网络
深度学习
我第一次听到“支持向量机”这个名字,我觉得,如果这个名字本身听起来那么复杂,那么这个概念的表述将超出我的理解范围。 幸运的是,我看到了一些大学讲座视频,并意识到这个工具是多么简单有效。 在本文中,我们将讨论支持向量机如何工作。 本文适合那些对此算法知之甚少且对学习新技术有好奇心的读者 。 在以下文章中,我们将详细探讨该技术,并分析这些技术比其他技术更强的案例。
XXXX-user
2019-09-25
1K
0
机器学习-决策树(Decision Tree)简介
决策树
机器学习
神经网络
深度学习
人工智能
从上图中可以看出,决策树在产品总和表上工作,也称为析取范式。在上图中,我们预测计算机在人们日常生活中的使用。
XXXX-user
2019-09-25
1.2K
0
机器学习-决策树(Decision Tree)案例
决策树
机器学习
神经网络
深度学习
人工智能
这是我最喜欢的算法之一,我经常使用它。它是一种监督学习算法,主要用于分类问题。令人惊讶的是,它适用于分类和连续因变量。在该算法中,我们将总体分成两个或更多个同类集。这是基于最重要的属性/独立变量来完成的,以尽可能地作为不同的组。有关详细信息,请参阅简化决策树:https://www.analyticsvidhya.com/blog/2016/04/complete-tutorial-tree-based-modeling-scratch-in-python/
XXXX-user
2019-09-19
916
0
机器学习-理解Logistic Regression
机器学习
bash
bash 指令
编程算法
本文讨论了Logistic回归的基础知识及其在Python中的实现。逻辑回归基本上是一种监督分类算法。在分类问题中,目标变量(或输出)y对于给定的一组特征(或输入)X,只能采用离散值。
XXXX-user
2019-09-19
725
0
机器学习相关的python库介绍
python
tensorflow
机器学习
scikit-learn
顾名思义,机器学习是计算机编程的科学,通过它可以从不同类型的数据中学习。Arthur Samuel给出的更一般的定义是 - “机器学习是一个研究领域,它使计算机无需明确编程即可学习。”它们通常用于解决各种类型的生活问题。
XXXX-user
2019-09-12
600
0
什么是机器学习?
编程算法
监督学习
无监督学习
决策树
机器学习
除了机器学习(ML)工作定义之外,我们还旨在简要概述机器学习的基本原理,让机器“思考”的挑战和局限性,以及今天深入解决的一些问题学习(机器学习的“前沿”),以及开发机器学习应用程序的关键要点。
XXXX-user
2019-09-05
488
0
机器学习-撰写我们自己的第一个分类器
编程算法
机器学习
神经网络
深度学习
人工智能
今天我们要做一件特别的事,从头开始撰写我们自己的分类器,如果你刚开始接触机器学习,这是一个重要的里程碑。因为如果你能跟上进度并独立完成,这意味着你已学会机器学习谜团里最重要的一块。今天我们要撰写的分类器是k-NN算法的简化版:它是最简单的分类器之一。
XXXX-user
2019-09-04
517
0
机器学习-何为优秀的特征
机器学习
神经网络
深度学习
人工智能
背景介绍 选择好的特征能让分类器变得有效,这意味着找到好的特征是机器学习中最重要的工作之一。但是怎么样才能获得好的特征?你怎么才能知道,如果你正处理二分类问题。那么好的特征能够使得辨别两个不同的类变得
XXXX-user
2019-08-30
731
0
机器学习-决策树的优化
决策树
机器学习
神经网络
深度学习
人工智能
今天我们会使用真实的数据来建一棵决策树,编写代码,将其可视化,这样您即可明白决策树是如何在幕后工作的。这里我们使用sklearn中自带的数据集Iris flower data set,该数据集由来自三种鸢尾 ( Iris setosa , Iris virginica和Iris versicolor )中的每一种的50个样品组成。从每个样品测量四个特征 :萼片和花瓣的长度和宽度,以厘米为单位。基于这四个特征的组合,Fisher开发了一种线性判别模型,以区分物种。
XXXX-user
2019-08-29
572
0
机器学习-6行代码编写你人生的第一个机器学习的程序
机器学习
神经网络
深度学习
人工智能
python
只用六行Python语句,就可以编写你人生第一个机器学习的程序!我们将使用监督式学习方法(即一种利用范例创建分类器的机器学习方法)进行编程。使用到python的机器学习库scikit-learn完成,它具有各种分类,回归和聚类算法,包括支持向量机,随机森林,梯度增强,k-means和DBSCAN,旨在与Python数值和科学库NumPy和SciPy互操作。
XXXX-user
2019-08-29
641
0
数据分析-Jupyter Notebook介绍、安装、使用
anaconda
机器学习
python
神经网络
深度学习
今天我们将学习如何安装、设置和使用Jupyter Notebook。Jupyter Notebook在过去几年中变得非常流行,它允许您创建和共享包含实时代码,方程式,可视化和Markdown文档。这些都可以直接在浏览器中运行。如果您开始使用数据科学、数据分析,这是一个必不可少的工具,让我们开始吧。
XXXX-user
2019-08-13
1.4K
0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档