12篇文章 · 11378字 · 3人關(guān)注
-
scikit_learn學(xué)習(xí)筆記十二——GridSearch赤嚼，網(wǎng)格搜索GridSearchCV 簡介 GridSearchCV服协，自動調(diào)參，設(shè)置好相應(yīng)參數(shù)垄开，就能給出最優(yōu)化的結(jié)果和參數(shù)雏赦。 數(shù)據(jù)量比較大的時候可以使用一個...
-
scikit_learn學(xué)習(xí)筆記十一——機(jī)器學(xué)習(xí)缺失值處理
在處理缺失數(shù)據(jù)的時候，最常用的方法是： 刪除 趣钱，最簡單最直接的方法涌献，很多時候也是最有效的方法，這種做法的缺點是可能會導(dǎo)致信息丟失首有。刪除有缺失數(shù)據(jù)...
-
scikit_learn學(xué)習(xí)筆記十——機(jī)器學(xué)習(xí)之LabelEncoder與OneHotEncode(獨熱碼)
機(jī)器學(xué)習(xí)中的特征類別有連續(xù)型特征和離散型特征 獲取到原始特征燕垃，根據(jù)情況需要需對特征分別進(jìn)行歸一化，比如井联，特征A的取值范圍是[-1000,1000...
-
scikit_learn學(xué)習(xí)筆記九——scikit_learn里的pipelinescikit_learn里的 pipeline pipeline 實現(xiàn)了對全部步驟的流式化封裝和管理卜壕，可以很方便地使參數(shù)集在新數(shù)據(jù)集上被重復(fù)使用...
-
scikit_learn學(xué)習(xí)筆記八——scikit_learn標(biāo)準(zhǔn)化/歸一化操作數(shù)據(jù)標(biāo)準(zhǔn)化（Standardization）與 歸一化（Normalization） 在機(jī)器學(xué)習(xí)領(lǐng)域中，不同評價指標(biāo)（即特征向量中的不同特征就是...
-
scikit_learn學(xué)習(xí)筆記七——機(jī)器學(xué)習(xí)里的過擬合與欠擬合及解決方案欠擬合與過擬合 欠擬合 Underfit 在訓(xùn)練數(shù)據(jù)和未知數(shù)據(jù)上表現(xiàn)都很差烙常，高偏差轴捎。 解決方法： 1）添加其他特征項，有時候我們模型出現(xiàn)欠擬合的...
-
scikit_learn學(xué)習(xí)筆記六——scikit_learn里的fit與fit_transformscikit_learn里的fit與fit_transform 二者的功能都是對數(shù)據(jù)進(jìn)行某種統(tǒng)一處理（比如標(biāo)準(zhǔn)化~N(0,1)军掂，將數(shù)據(jù)縮放(映射...
-
scikit_learn學(xué)習(xí)筆記五——機(jī)器學(xué)習(xí)度量指標(biāo)機(jī)器學(xué)習(xí)度量指標(biāo) 分類評估指標(biāo) TN TP FN FP TP：預(yù)測為正向（P）轮蜕，實際上預(yù)測正確（T），即判斷為正向的正確率TN：預(yù)測為負(fù)向（N）...
-
scikit_learn學(xué)習(xí)筆記四——無監(jiān)督學(xué)習(xí)之聚類與降維無監(jiān)督學(xué)習(xí) 發(fā)現(xiàn)數(shù)據(jù)本身的分布特點 數(shù)據(jù)聚類K-means 預(yù)先設(shè)定聚類個數(shù)蝗锥，再不斷更新聚類中心跃洛，多輪迭代后，使得所有數(shù)據(jù)點到其所屬聚類中心距離...