2. 程式人生 > >Python3《機器學習實戰》目錄

Python3《機器學習實戰》目錄

阿新 • • 發佈：2018-11-12

機器學習

Python3《機器學習實戰》學習筆記（一）：k-近鄰演算法(史詩級乾貨長文)

             本文將從k-鄰近演算法的思想開始講起，使用python3一步一步編寫程式碼進行實戰訓練。並且，我也提供了相應的資料集，對程式碼進行了詳細的註釋。除此之外，本文也對sklearn實現k-鄰近演算法的方法進行了講解。實戰例項：電影類別分類、約會網站配對效果判定、手寫數字識別。

 

Python3《機器學習實戰》學習筆記（二）：決策樹基礎篇之讓我們從相親說起

               

有讀者反映，說我上篇文章Python3《機器學習實戰》學習筆記（一）：k-近鄰演算法(史詩級乾貨長文)，太長了。一看那麼長，讀的慾望都降低了。既然如此，決策樹的內容，我就分開講好了。本篇討論決策樹的原理和決策樹的構建，完整例項內容會在下一篇進行講解。

 

Python3《機器學習實戰》學習筆記（三）：決策樹實戰篇之為自己配個隱形眼鏡

               上篇文章講述了機器學習決策樹的原理，以及如何選擇最優特徵作為分類特徵。本篇文章將在此基礎上進行介紹。主要內容包括：決策樹構建、決策樹視覺化、使用決策樹進行分類預測、決策樹的儲存和讀取、sklearn實戰之預測隱形眼鏡型別

 

Python3《機器學習實戰》學習筆記（四）：樸素貝葉斯基礎篇之言論過濾器

              樸素貝葉斯演算法是有監督的學習演算法，解決的是分類問題，如客戶是否流失、是否值得投資、信用等級評定等多分類問題。該演算法的優點在於簡單易懂、學習效率高、在某些領域的分類問題中能夠與決策樹、神經網路相媲美。但由於該演算法以自變數之間的獨立（條件特徵獨立）性和連續變數的正態性假設為前提，就會導致演算法精度在某種...

 

Python3《機器學習實戰》學習筆記（五）：樸素貝葉斯實戰篇之新浪新聞分類

              上篇文章講解了樸素貝葉斯的基礎知識。本篇文章將在此基礎上進行擴充套件，你將看到一下內容：拉普拉斯平滑、垃圾郵件過濾、新浪新聞分類

 

Python3《機器學習實戰》學習筆記（六）：Logistic迴歸基礎篇之梯度上升演算法

              本文從Logistic迴歸的原理開始講起，補充了書上省略的數學推導。本文可能會略顯枯燥，理論居多，Sklearn實戰內容會放在下一篇文章。自己慢慢推導完公式，還是蠻開心的一件事。

 

Python3《機器學習實戰》學習筆記（七）：Logistic迴歸實戰篇之預測病馬死亡率

               本文對梯度上升演算法和改進的隨機梯度上升演算法進行了對比，總結了各自的優缺點，並對sklearn.linear_model.LogisticRegression進行了詳細介紹。

 

Python3《機器學習實戰》學習筆記（八）：支援向量機原理篇之手撕線性SVM

                說來慚愧，斷更快半個月了，本打算是一週一篇的。感覺SVM瞬間難了不少，推導耗費了很多時間，同時身邊的事情也不少，忙了許久。本篇文章參考了諸多大牛的文章寫成的，對於什麼是SVM做出了生動的闡述，同時也進行了線性SVM的理論推導，以及最後的程式設計實踐，公式較多，還需靜下心來一點一點推導。

 

Python3《機器學習實戰》學習筆記（九）：支援向量機實戰篇之再撕非線性SVM

              上篇文章講解的是線性SVM的推導過程以及簡化版SMO演算法的程式碼實現。本篇文章將講解SMO演算法的優化方法以及非線性SVM。

 

Python3《機器學習實戰》學習筆記（十）：提升分類器效能利器-AdaBoost

             前面的文章已經介紹了五種不同的分類器，它們各有優缺點。我們可以很自然地將不同的分類器組合起來，而這種組合結果則被成為整合方法(ensemble method)或者元演算法(meta-algorithm)。使用整合方法時會有多種形式：可以是不同演算法的整合，也可以是同一種演算法在不同設定下的整合，還可以是...

 

Python3《機器學習實戰》學習筆記（十一）：線性迴歸基礎篇之預測鮑魚年齡

               前面的文章介紹了很多分類演算法，分類的目標變數是標稱型資料，而本文將會對連續型的資料做出預測。主要講解簡單的線性迴歸和區域性加權線性迴歸，並通過預測鮑魚年齡的例項進行實戰演練。

 

Python3《機器學習實戰》學習筆記（十二）：線性迴歸提高篇之樂高玩具套件二手價預測

              轉自個人網站：http://cuijiahua.com/blog/2017/12/ml_12_regression_2.html 一、前言 本篇文章講解線性迴歸的縮減方法，嶺迴歸以及逐步線性迴歸，同時熟悉sklearn的嶺迴歸使用方法，對樂高玩具套件的二手價格做出預測。 二、嶺迴歸 如果數...

相關推薦

Python3機器學習實戰 kNN實現+matplotlib繪製散點圖

kNN.pyimport numpy as np # 運算子模組，這裡主要用來排序 import operator import matplotlib.pylab as plt def create_dataset(): group = np.array([[1.,

Python3 機器學習實戰自我講解（二） K-近鄰法-海倫約會-手寫字型識別

第二章 k近鄰法 2.1 概念 2.1.1 k近鄰法簡介 k近鄰法(k-nearest neighbor, k-NN)是1967年由Cover T和Hart P提出的一種基本分類與迴歸方法。它的工作原理是：存在一個樣本資料集合，也稱作為訓練樣

Python3《機器學習實戰》目錄

機器學習 Python3《機器學習實戰》學習筆記（一）：k-近鄰演算法(史詩級乾貨長文)              本文將從k-鄰近演算法的思想開始講起，使用python3一步一步編寫程式碼進行實戰訓練。並且，我也提供

機器學習實戰筆記（python3實現）01--概述

apriori 一個 python 系列 k-均值聚類 思路 機器學習實戰 st算法 apr 寫在前面：這一個多月都在學習python,從python3基礎、python爬蟲、python數據挖掘與數據分析都有接觸，最近看到一本機器學習的書（主要是學習相關算法） 於是就打算

《機器學習實戰》知識點筆記目錄

body cnblogs 機器學習 實戰 href post 目錄 開始 classify 　　從今天起，開始學習《機器學習實戰》，並記錄學習到的知識點。 　　　　　　　　　　　　-- 2017-12-31 1，第2章KNN算法筆記_函數classify0 《機器學

《機器學習實戰》Logistic迴歸python3原始碼

邏輯迴歸： 1 梯度上升優化演算法 2 隨機梯度上升演算法 3 改進的隨機梯度上升法 開啟pycharm建立一個logRegression.py檔案，輸入如下程式碼： #coding:utf-8 from numpy import * ""

Python3《機器學習實戰》學習筆記（一）：k-近鄰演算法

**轉載：**http://blog.csdn.net/c406495762執行平臺： WindowsPython版本： Python3.xIDE： Sublime text3 他的個人網站：http://cuijiahua.com   文章目錄

《機器學習實戰》中用matplotlib繪製決策樹, python3

  人笨, 繪製樹形圖那裡的程式碼看了幾次也沒看懂(很多莫名其妙的(全域性?)變數), 然後就自己想辦法寫了個 import matplotlib.pyplot as plt from matplotlib.font_manager import FontPropertie

Python3《機器學習實戰》筆記：K-近鄰演算法

2.1 實施KNN演算法 python3實現KNN演算法，本書採用的是python2，轉化為python3 import numpy as np #運算子模組 import operator def createDataSet(): group = np

Python3《機器學習實戰》學習筆記（十二）：線性迴歸提高篇之樂高玩具套件二手價預測

一、前言 本篇文章講解線性迴歸的縮減方法，嶺迴歸以及逐步線性迴歸，同時熟悉sklearn的嶺迴歸使用方法，對樂高玩具套件的二手價格做出預測。 二、嶺迴歸 如果資料的特徵比樣本點還多應該怎麼辦？很顯然，此時我們不能再使用上文的方法進行計算了，因為矩陣X不是滿秩矩

【機器學習實戰—第4章：基於概率論的分類方法：樸素貝葉斯】程式碼報錯（python3）

1、報錯：UnicodeDecodeError: ‘gbk’ codec can’t decode byte 0xae in position 199: illegal multibyte sequence 原因：這是檔案編碼的問題，檔案中有非法的多位元組字元。 解決辦法：開啟Ch04\

python3實現K-鄰近演算法(機器學習實戰中程式碼)

from numpy import * import operator #inx：待預測資料 dateSet：訓練樣本集 labels：訓練樣本的標籤 k：k鄰近演算法的k值 def classify0(inX, dateSet, labels, k):

python3實現決策樹(機器學習實戰)

from math import log def calcShannonEnt(dataSet):#計算給定資料集的夏農熵 numEntries = len(dataSet) labelCounts = {} for featVec i

python3.5《機器學習實戰》學習筆記（一）：k近鄰演算法

轉載請註明作者和出處：http://blog.csdn.net/u013829973 系統版本：window 7 （64bit） python版本：python 3.5 IDE：Spyder （一個比較方便的辦法是安裝anaconda，那麼Spyder和

Python3《機器學習實戰》學習筆記（五）：樸素貝葉斯實戰篇之新浪新聞分類

一 前言 拉普拉斯平滑 垃圾郵件過濾 新浪新聞分類 二 樸素貝葉斯改進之拉普拉斯平滑 上篇文章提到過，演算法存在一定的問題，需要進行改進。那麼需要改進的地方在哪裡呢？利用貝葉斯分類器對文件進行分類時，要計算多個概率的乘積以獲得

python3.5《機器學習實戰》學習筆記（五）：決策樹演算法實戰之預測隱形眼鏡型別

一、使用決策樹預測隱形眼鏡型別 在上一篇文章中，我們學習了決策樹演算法，接下來，讓我們通過一個例子講解決策樹如何預測患者需要佩戴的隱形眼鏡型別。 隱形眼鏡資料集是非常著名的資料集，它包含了很多患者眼部狀況的觀察條件以及醫生推薦的隱形眼鏡型別。隱形眼鏡

python3.5《機器學習實戰》學習筆記（三）：k近鄰演算法scikit-learn實戰手寫體識別

轉載請註明作者和出處：http://blog.csdn.net/u013829973 系統版本：window 7 （64bit） 我的GitHub：https://github.com/weepon python版本：python 3.5 IDE：Spy

Python3《機器學習實戰》學習筆記（一）：k-近鄰演算法(史詩級乾貨長文)

#一 簡單k-近鄰演算法     本文將從k-鄰近演算法的思想開始講起，使用python3一步一步編寫程式碼進行實戰訓練。並且，我也提供了相應的資料集，對程式碼進行了詳細的註釋。除此之外，本文也對sklearn實現k-鄰近演算法的方法進行了講解。實戰例項：

【機器學習實戰-python3】支援向量機（Support Vecrtor Machines SVM）

工具：PythonCharm 書中的程式碼是python2的，而我用的python3，結合實踐過程，這裡會標註實踐時遇到的問題和針對python3的修改。 實踐程式碼和訓練測試資料可以參考這裡 https://github.com/stonycat/ML

機器學習實戰例項之手寫數字識別（KNN、python3）

from numpy import * from os import listdir import operator def img2Vector(filename): returnVecter = zeros((1,1024)) fr = open(fil