機器學習實戰筆記(Python實現)-00-readme
近期學習機器學習,找到一本不錯的教材《機器學習實戰》。特此做這份學習筆記,以供日後翻閱。
機器學習演算法分為有監督學習和無監督學習。這本書前兩部分介紹的是有監督學習,第三部分介紹的是無監督學習(也稱聚類)。有監督學習有兩種功能,一種是分類(本書第一部分介紹),一種是迴歸預測(本書第二部分介紹)。這樣就對這本書的思路有了一個總體把握。本書涉及演算法包括:k-近鄰演算法(KNN)、決策樹、樸素貝葉斯、Logistic迴歸、支援向量機(SVM)、AdaBoost演算法、k-均值聚類演算法(k-means)、Apriori演算法、PCA等。另外,本書是通過“原理簡述+問題例項+實際程式碼+執行效果”來分別介紹每個演算法的,原書程式碼在Python2中實現,本系列文章會對其進行部分修改,使其能在Python3中執行,且程式碼側重幫助加深理解演算法原理。
這是系列文章,持續更新...主要用作我本人學習備忘,水平有限,文中難免有疏漏,若有錯誤,請不吝指教~
相關推薦
機器學習實戰筆記(Python實現)-00-readme
近期學習機器學習,找到一本不錯的教材《機器學習實戰》。特此做這份學習筆記,以供日後翻閱。 機器學習演算法分為有監督學習和無監督學習。這本書前兩部分介紹的是有監督學習,第三部分介紹的是無監督學習(也稱聚類)。有監督學習有兩種功能,一種是分類(本書第一部分介紹),一種是迴歸預測
機器學習實戰,Python實現
機器學習實戰,Python實現 連結:http://ailearning.apachecn.org/ 關注微信公眾號“深度學習演算法社群”,獲取更多的學習資料!  
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
python機器學習實戰2:實現決策樹
1.決策樹的相關知識 在之前的接觸中決策樹直觀印象應該就是if-else的迴圈,if會怎麼樣,else之後再繼續if-else直至最終的結果。在上節講的kNN它其實已經可以完成很多工,但是它最大的缺點就是無法給資料集的內在含義,決策樹的主要優勢在於資料形式非常
【機器學習算法-python實現】PCA 主成分分析、降維
pre gre text iss 主成分分析 int 找到 nts 導入 1.背景 PCA(Principal Component Analysis),PAC的作用主要是減少數據集的維度,然後挑選出基本的特征。 PCA的主要思想是移動坐標軸,找
機器學習入門之python實現圖片簡單分類
numbers org 路徑 圖片分類 jpg animal 入門 res windows 小任務:實現圖片分類 1.圖片素材 python批量壓縮jpg圖片: PIL庫 resize http://blog.csdn.net/u012234115/article/
機器學習實戰筆記(K近鄰)
最終 而是 類別 頻率 n) 簡單 因此 當前 要素 K近鄰算法(KNN) k近鄰算法 ??k近鄰(k-nearest neighbor,KNN)是一種基本的分類與回歸算法。於1968年由Cover和Hart提出。k近鄰的輸入是實例的特征向量,對應於特征空間的點;輸出為實
機器學習實戰——Logistic迴歸 實現記錄
問題:NameError: name 'weights' is not defined 屬於作者的排版錯誤; weights = logRegres.gradAscent(dataArr,labelMat) 所以: weig
機器學習實戰——樹迴歸 實現記錄
問題:同一個檔案下定義了兩個引數,如果需要呼叫另一個,需要把另一個放在前面定義 def regLeaf(dataSet):#returns the value used for each leaf return mean(dataSet[:,-1]) def regErr(dataSe
《機器學習實戰》——python 中關於檔案讀取的正確開啟方式
最近在學習《機器學習實戰》這本書,在做到裡面第08章的時候發生了一些小錯誤,具體內容如下: 資料總共有4177行,9列,最後一列為鮑魚的年齡,為標籤值,前8列為資料特徵,資料集中的資料長這個樣子: 在讀取資料
機器學習實戰筆記一:K-近鄰演算法在約會網站上的應用
K-近鄰演算法概述 簡單的說,K-近鄰演算法採用不同特徵值之間的距離方法進行分類 K-近鄰演算法 優點:精度高、對異常值不敏感、無資料輸入假定。 缺點:計算複雜度高、空間複雜度高。 適用範圍:數值型和標稱型。 k-近鄰演算法的一般流程 收集資料:可使用任何方法
機器學習實戰筆記5—支援向量機
注:此係列文章裡的部分演算法和深度學習筆記系列裡的內容有重合的地方,深度學習筆記裡是看教學視訊做的筆記,此處文章是看《機器學習實戰》這本書所做的筆記,雖然演算法相同,但示例程式碼有所不同,多敲一遍沒有壞處,哈哈。(裡面用到的資料集、程式碼可以到網上搜索,很容易找到。)。Python版本3.6
機器學習實戰筆記6—AdaBoost
注:此係列文章裡的部分演算法和深度學習筆記系列裡的內容有重合的地方,深度學習筆記裡是看教學視訊做的筆記,此處文章是看《機器學習實戰》這本書所做的筆記,雖然演算法相同,但示例程式碼有所不同,多敲一遍沒有壞處,哈哈。(裡面用到的資料集、程式碼可以到網上搜索,很容易找到。)。Python版本3.6
機器學習實戰筆記4—Logistic迴歸
注:此係列文章裡的部分演算法和深度學習筆記系列裡的內容有重合的地方,深度學習筆記裡是看教學視訊做的筆記,此處文章是看《機器學習實戰》這本書所做的筆記,雖然演算法相同,但示例程式碼有所不同,多敲一遍沒有壞處,哈哈。(裡面用到的資料集、程式碼可以到網上搜索,很容易找到。)。Python版本3.6
機器學習實戰筆記3—樸素貝葉斯
注:此係列文章裡的部分演算法和深度學習筆記系列裡的內容有重合的地方,深度學習筆記裡是看教學視訊做的筆記,此處文章是看《機器學習實戰》這本書所做的筆記,雖然演算法相同,但示例程式碼有所不同,多敲一遍沒有壞處,哈哈。(裡面用到的資料集、程式碼可以到網上搜索,很容易找到。)。Python版本3.6
機器學習實戰筆記2—決策樹
注:此係列文章裡的部分演算法和深度學習筆記系列裡的內容有重合的地方,深度學習筆記裡是看教學視訊做的筆記,此處文章是看《機器學習實戰》這本書所做的筆記,雖然演算法相同,但示例程式碼有所不同,多敲一遍沒有壞處,哈哈。(裡面用到的資料集、程式碼可以到網上搜索,很容易找到。)。Python版本3.6
吳恩達機器學習邏輯迴歸python實現(未正則化)[對應ex2-ex2data2.txt資料集]
寫在前面: 1.筆記重點是python程式碼實現,不敘述如何推導。參考本篇筆記前,要有邏輯迴歸的基礎(熟悉代價函式、梯度下降、矩陣運算和python等知識),沒有基礎的同學可通過網易雲課堂上吳恩達老師的機器學習課程學習。網上也有一些對吳恩達老師課後作業的python實現,大多數都是用
吳恩達機器學習邏輯迴歸python實現[對應ex2-ex2data1.txt資料集]
研一學生,初學機器學習,重心放在應用,弱化公式推導,能力有限,文中難免會有錯誤,懇請指正!QQ:245770710 此文是對網易雲課堂上吳恩達老師的機器學習課程邏輯迴歸一章對應的課後作業的python實現。 1. 先對資料集進行觀察,使用matplotlib將資料集繪製出散點圖。
機器學習實戰筆記(一)- 使用SciKit-Learn做回歸分析
err 皮爾遜 練習 using flow 相關 一個數 ocean 針對 一、簡介 這次學習的書籍主要是Hands-on Machine Learning with Scikit-Learn and TensorFlow(豆瓣:https://book.douban.co