首页
学习
活动
专区
工具
TVP
发布

不仅仅是python

专栏作者
131
文章
150111
阅读量
28
订阅数
机器学习-随机森林(Random Forest)
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
7870
机器学习-将多项式朴素贝叶斯应用于NLP问题
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
8140
机器学习-朴素贝叶斯分类器
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
7030
机器学习-朴素贝叶斯(Naive Bayes)案例
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
8080
机器学习-决策树(Decision Tree)简介
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
1.1K0
机器学习-决策树(Decision Tree)案例
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
8830
机器学习-撰写我们自己的第一个分类器
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
4980
机器学习-何为优秀的特征
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
6950
机器学习-决策树的优化
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
5350
机器学习-6行代码编写你人生的第一个机器学习的程序
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
6150
电影《机械姬(2015)》中不为人知的彩蛋!!!
《机械姬》(Ex Machina)是由亚力克斯·嘉兰编剧兼任导演,多姆纳尔·格里森、艾丽西卡·维坎德、奥斯卡·伊萨克主演的科幻片。该片讲述了老板邀请员工到别墅对智能机器人进行“图灵测试”的故事,于2015年1月21日在英国上映,2015年4月10日在北美全面公映。
XXXX-user
2019-07-23
1K0
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
Python精品学习库
代码在线跑,知识轻松学
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
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
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