sklearn
-
【问题解决】keyError: “Passing list-likes to.loc or [] with any missing labels is no longer supported
报错意思是: 使用了不存在的索引,后面还会列出哪些索引不存在,检查一下是否确实取到了不存在的,在之前库函数中对于不存在索引会填充None,现在需要使用 .reindex() 来代替…
-
机器学习之决策树CART算法
接上期: 一、理论知识 CART算法是给定输入随机变量X条件下输出随机变量Y的条件概率分布的学习方法。CART假设决策树是二叉树,内部节点取值为“是”或“否”。这样的决策树等价于递…
-
训练线性回归模型 — “闭式”解方法、梯度下降(GD)
目录 1.训练前你需要了解 简单说,线性模型就是对输入特征加权求和,再加上一个我们称为偏置项(也称为截距项)的常数 向量化的形式: 训练模型就是设置模型参数直到模型最拟合训练集的过…
-
《机器学习实战:基于Scikit-Learn、Keras和TensorFlow第2版》-学习笔记(8):降维
· Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition, by Auré…
-
自制机器学习工具库源码解释(KNN&线性回归)
源代码: 因为刚开始写,所以只写了一部分。 简易KNN def GetKNNSoreByN(X, y, n_neighbors): “”” :param X: data 特征值 :…
-
机器学习之使用sklearn代码进行交叉验证模型
之前我们介绍了机器学习的一些基础性工作,介绍了如何对数据进行预处理,接下来我们可以根据这些数据以及我们的研究目标建立模型。那么如何选择合适的模型呢?首先需要对这些模型的效果进行评估…
-
机器学习基础二
特征选择 从所有提取的特征中选择一些特征作为训练集特征。特征可以在选择前后改变值,但是选择后的特征维度肯定比选择前要小。毕竟,我们只选择了特征的一部分。 主要方法(三大武器):Fi…
-
机器学习之特征工程(特征选择)
继续上一篇文章: 机器学习的特征工程(数据清洗)[0] 全篇数据集以sklearn自带数据集手写体识别为例进行说明。数据集中:包含64个特征变量及1个因变量y。 import nu…
-
【机器学习05】LASSO回归与ElasticNet(弹性网)
5 LASSO回归 5.1 简介 LASSO回归:在模型迭代过程所依据的代价函数中增加了正则惩罚项(L1范数正则化),以限制模型参数对异常样本的匹配程度,进而提高模型面对多数正常样…
-
Python机器学习从入门到高级:模型评估和选择(含详细代码)
Python机器学习之模型评估 🌸个人主页:JoJo的数据分析历险记[0] 📝个人介绍:小编大四统计在读,目前保研到统计学top3高校继续攻读统计研究生 💌如果文章对你有帮助,请✌…