机器学习

一个机器学习主要要经过如下几步：   这么一讲比较抽象，我拿Kaggle比赛中的泰坦尼克生存率预测为例子： 收集数据：https://github.com/cystanford/Titanic_Data 该数据集一共有俩个文件： train.csv：训练集，包含特征信息，分类结果（存活与否） test.csv：测试集，只包含特征信息 数据集中的字段内容如下，…

最大似然估计 MLE 给定一堆数据，假如我们知道它是从某一种分布中随机取出来的，可是我们并不知道这个分布具体的参，即“模型已定，参数未知”。 例如，对于线性回归，我们假定样本是服从正态分布，但是不知道均值和方差；或者对于逻辑回归，我们假定样本是服从二项分布，但是不知道均值，逻辑回归公式得到的是因变量y的概率P = g(x), x为自变量，通过逻辑函数得到一个…

  一，引言 　　前两章的KNN分类算法和决策树分类算法最终都是预测出实例的确定的分类结果，但是，有时候分类器会产生错误结果；本章要学的朴素贝叶斯分类算法则是给出一个最优的猜测结果，同时给出猜测的概率估计值。 1 准备知识：条件概率公式 相信学过概率论的同学对于概率论绝对不会陌生，如果一时觉得生疏，可以查阅相关资料，在这里主要是想贴出条件概率的计算公式： 　…

       机器学习实战这本书是基于python的，如果我们想要完成python开发，那么python的开发环境必不可少： （1）python3.52,64位，这是我用的python版本 （2）numpy 1.11.3,64位，这是python的科学计算包，是python的一个矩阵类型，包含数组和矩阵，提供了大量的矩阵处理函数，使运算更加容易，执行更加迅速…

ndarray.dtype 数据类型必须是一样的 常用代码 import numpy #numpy读取文件 world_alcohol = numpy.genfromtxt(“world_alcohol.txt”, delimiter=”,”, dtype=str, skip_header=1) #<class ‘numpy.ndarray’> …

  一个中等水平的数据科学家每天都要处理大量的数据。一些人说超过60%到70%的时间都用于数据清理、数据处理及格式转化，以便于在之后应用机器学习模型。 这篇文章的重点便在后者—— 应用机器学习模型(包括预处理的阶段)。此文讨论到的内容来源于我参加的过的数百次的机器学习竞赛。请大家注意这里讨论的方法是大体上适用的，当然还有很多被专业人士使用的非常复杂的方法。 …

1.特征工程 1.1为什么需要对数值类型进行归一化？ 使各个指标处于同一数值量级，消除数据之间的量纲影响。 比如分析一个人的身高和体重对健康的影响。 1.2补充知识点 结构化数据:关系数据库的一张表,每列都有清晰的定义，包含了数值型和类别型 非结构化数据:文本，图像，音频，无法使用简单的数值表示，也没有清晰的类别定义，并且每条数据的大小各不相同 1.3方法 …

1.绘制折线图 在pandas里面有一种数据类型为datatime ，可以将不规范的日期改为：xxxx-xx-xx import pandas as pd import numpy as np a = pd.read_csv(‘UNRATE.csv’) a[‘DATE’] = pd.to_datetime(a[‘DATE’]) print(a.head(12…

1.list 列表 有序集合 classmates = [‘Michael’, ‘Bob’, ‘Tracy’] len(classmates) classmates[0] len(classmates) – 1 classmates[-1] classmates[-2] classmates.append(‘Adam’) classmates.insert(…

seaborn是基于plt的封装好的库。有很强的作图功能。 1、布局风格设置（图形的style）and 细节设置 用matplotlib作图： import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt x = np.linspace(0, 14, 100) for …