-
用所有的數據進行訓練可能會適得其反，不僅模型復雜化，且準確度不一定更高
評估思想：將訓練數據和測試數據分離
判斷模型的準確率：比較預測結果和實際結果，正解的比例占到多少
from sklearn.metrics import accuracy_scoreprint(accuracy_score(y,y_pred))
查看全部 -
分類問題場景：垃圾郵件、三類或兩類以下的品種的分類
分類算法：K近鄰、邏輯回歸、決策樹、樸素貝葉斯
調用KNN模型：from sklearn.neighbors import KNeighborsclassifier
創建一個KNN模型實例knn = KNeighborsClassifier(n_neighbors=1)
模型訓練（學習）：knn.fit(X,y)
模型預測：knn.predict([[1,2,3,4]])
)
查看全部 -
加載數據集：from sklearn import datasets
加載數據集中的iris：iris = datasets.load_iris()
查看全部 -
為什么不能自動保存。。。。
查看全部 -
scikit-learn?是python?專門針對機器學習的開源框架
jupyter notebook?是基于web的應用程序，可視化強，可單獨測試某個代碼塊
查看全部 -
?監督式學習：有固定結果
非監督式學習：無固定結果
查看全部 -
繪制圖表，進行數據可視化
pandas：基礎數據分析套件
scikit-learn：強大的數據分析建模庫
keras：人工神經網絡
查看全部 -
好先進查看全部
-
監督式學習
非監督式學習
強化學習
查看全部 -
python安裝
3.7.4最新版本
anaconda
Anaconda Distribution
查看全部 -
安裝python
安裝Anaconda
新建開發環境，安裝numpy，scikit-learn庫
新建開發環境conda create -n env_name?
安裝numpy庫pip(conda) install package_name
Jupyter notebook界面優化
https://github.com/dunovank/jupyter-themes
界面設置
jt -t oceans16 -f fira -fs 17 -cellw 90% -ofs 14 -dfs 14 -T
查看全部 -
Jupyter notebook
開源的web應用程序，旨在方便開發者創建和共享代碼文檔。用戶可以在里面寫代碼，運行代碼，查看結果，并在其中可視化數據
特點：
允許把代碼寫入獨立的cell中，然后單獨執行。用戶可以在測試項目時單獨測試特定代碼塊，無需從頭開始執行代碼
基于web進行交互開發，非常方便
查看全部 -
Scikit-learn
Python語言中專門針對機器學習應用而發展起來的一款開源框架（算法庫），可以實現數據預處理，分類，回歸，降維，模型選擇等常用的機器學習算法
特點：
集成了機器學習中各類成熟的算法，容易安裝和使用，樣例豐富，教程和文檔也非常詳細
不支持Python外的語言，不支持深度學習和強化學習
https://scikit-learn.org/stable/
查看全部 -
面向過程：所有的過程全部走一遍 面向對象：每一部分模塊化調用
查看全部 -
準確率? (TP+TN)/(TP+TN+FP+FN)
錯誤率 （FP+FN）/(TP+TN+FP+FN)
召回率? ? TP/(TP+FN)
特異度? ? TN/(TN+FP)
精確率? ?TP/(TP+FP)
F1分數? ? 2*精確率*召回率/(精確率+召回率)
查看全部
舉報