ycarry2017的博客

【机器学习个人笔记】sklearn的一般流程，以鸢尾花分类为例1. 数据的获取2. 数据预处理特征缩放切割训练集和测试集3.训练模型4.模型的评估查看参数 get_params()查看模型评分 score(X_test, y_test)查看分类模型的评分报告 classification_report()用交叉验证评分 cross_val_score5.模型的优化 1. 数据的获取 sklearn...

【sklearn的一般流程】数据的获取1.生成回归数据 make_regression()2.生成分类数据 make_classification()3. 生成二维线性不可分的数据集 make_circles()4. 生成用于聚类的数据集 make_blobs() 1.生成回归数据 make_regression() from sklearn.datasets import mak...

【机器学习个人笔记】scikit-learn的三种特征缩放方式 在运用一些机器学习算法的时候不可避免地要对数据进行特征缩放（feature scaling），比如：在随机梯度下降（stochastic gradient descent）算法中，特征缩放有时能提高算法的收敛速度。 特征缩放还可以使机器学习算法工作的更好。比如在K近邻算法中，分类器主要是计算两点之间的欧几里得距离，如果一个特征比其它的...

【机器学习个人笔记】用sklearn实现特征正则化 我们在学习机器学习的时候会经常听到正则化（Regularization），其一般是用于改善或者减少过度拟合问题。 下图是一个回归问题的例子： 第一个模型是一个线性模型，欠拟合，不能很好地适应我们的训练集；第三个模型是一 个四次方的模型，过于强调拟合原始数据，而丢失了算法的本质：预测新数据。我们可以看 出，若给出一个新的值使之预测，它将表现的很差...