机器学习

1. scikit-learn: Machine Learning in Python scikit-learn是一个基于NumPy, SciPy, Matplotlib的开源机器学习工具包，主要涵盖分类，回归和聚类算法， 例如SVM， 逻辑回归，朴素贝叶斯，随机森林，k-means等算法，代码和文档都非常不错，在许多Python项 目中都有应用。 官方主页…

作者：Susan Li  编译：袁雪瑶、吴双、姜范波 　　根据美国疾病控制预防中心的数据，现在美国1/7的成年人患有糖尿病。但是到2050年，这个比例将会快速增长至高达1/3。我们在UCL机器学习数据库里一个糖尿病数据集，希望可以通过这一数据集，了解如何利用机器学习来帮助我们预测糖尿病，让我们开始吧！        https://github.com/su…

逻辑回归： 逻辑回归是最常用的分类算法之一。 from sklearn.linear_model import LogisticRegression logreg=LogisticRegression().fit(x_train,y_train) print(“Training set score:{:.3f}”.format(logreg.score(x_…

梯度提升： from sklearn.ensemble import GradientBoostingClassifier gb=GradientBoostingClassifier(random_state=0) gb.fit(x_train,y_train) print(“Accuracy on training set:{:.3f}”.format(g…

              基于scikit-learn包实现机器学习之KNN(K近邻) scikit-learn（简称sklearn）是目前最受欢迎，也是功能最强大的一个用于机器学习的Python库件。它广泛地支持各种分类、聚类以及回归分析方法比如支持向量机、随机森林、DBSCAN等等，由于其强大的功能、优异的拓展性以及易用性，目前受到了很多数据科学从业者…

 评估指标 Evaluation metrics 可以说明模型的性能，辨别模型的结果。 我们建立一个模型后，计算指标，从指标获取反馈，再继续改进模型，直到达到理想的准确度。在预测之前检查模型的准确度至关重要，而不应该建立一个模型后，就直接将模型应用到看不到的数据上。 今天先来简单介绍几种回归和分类常用的评估方法。 回归 均方误差： 其中D为数据分布，p为概率…

使用Python实现k-近邻算法的一般流程为： 1、收集数据：提供文本文件 2、准备数据：使用Python解析文本文件，预处理 3、分析数据：可视化处理 4、训练算法：此步骤不适用与k——近邻算法 5、测试算法：使用海伦提供的部分数据作为测试样本。测试样本与非测试样本的区别在于：测试样本是已经完成分类的数据，如果预测分类与实际类别不一样，则标记为一个错误。 …

　　iris数据集的中文名是安德森鸢尾花卉数据集，英文全称是Anderson’s Iris data set。iris包含150个样本，对应数据集的每行数据。每行数据包含每个样本的四个特征和样本的类别信息，所以iris数据集是一个150行5列的二维表。通俗地说，iris数据集是用来给花做分类的数据集，每个样本包含了花萼长度、花萼宽度、花瓣长度、花瓣宽度四个特…

开始在这个项目中，你将使用1994年美国人口普查收集的数据，选用几个监督学习算法以准确地建模被调查者的收入。然后，你将根据初步结果从中选择出最佳的候选算法，并进一步优化该算法以最好地建模这些数据。你的目标是建立一个能够准确地预测被调查者年收入是否超过50000美元的模型。这种类型的任务会出现在那些依赖于捐款而存在的非营利性组织。了解人群的收入情况可以帮助一个…

第一步. 下载并导入数据 1.1 数据集：https://www.kaggle.com/c/whats-cooking/data 1.2 加载数据 # 导入依赖库 import json import codecs import pandas as pd import numpy as np import matplotlib.pyplot as plt %…