Python机器学习笔记——监督学习
来源:互联网 发布:农村淘宝服务站查询 编辑:程序博客网 时间:2024/06/02 20:32
使用fit()函数,对训练数据构成的特征X和标签 y进行训练,调用 predict()函数,对未知分类样本分类。
K-近邻算法(KNN)
计算待分类数据点与已有数据集中所有数据点的距离。取距离最小的前K个点,将这个数据点划分为出现次数最多的那个类别。K较大易导致预测错误,K较小会导致过拟合:一般情况下,K 会倾向选取较小的值,并使用交叉验证法选取最优 K 值。
决策树
决策树是一种树形结构的分类器,通过顺序询问分类点的属性决定分类点最终的类别。决策树本质上是寻找一种对特征空间上的划分,旨在构建一个训练数据拟合的好,并且复杂度小的决策树。
朴素贝叶斯
朴素贝叶斯是典型的生成学习方法,由训练数据学习联合概率分布,并求后验概率分布.朴素贝叶斯一般在小规模数据上的表现很好,适合进行多分类任务。
fromsklearn.neighborsimportKNeighborsClassifier
fromsklearn.treeimportDecisionTreeClassifier
fromsklearn.naive_bayesimportGaussianNB
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
线性回归
使用形如y=wTx+b的线性模型拟合数据输入和输出之间的映射关系。
fromsklearn.linear_modelimport LinearRegression
多项式回归(PolynomialRegression)
是研究一个因变量与一个或多个自变量间多项式的回归分析方法。如果自变量只有一个
时,称为一元多项式回归;如果自变量有多个时,称为多元多项式回归。
fromsklearn.preprocessingimport PolynomialFeatures
岭回归(ridgeregression)
岭回归的优化目标:
岭回归是一种专用于共线性数据分析的有偏估计回归方法,是一种改良的最小二乘估计法,对某些数据的拟合要强于最小二乘法。
fromsklearn.linear_modelimport Ridge
fromsklearn.preprocessingimportPolynomialFeatures
多层感知机(Multilayerperceptron,MLP)
一个简单的全连接神经网络。MLP输出为one-hotvectors:一个one-hot向量除了某一位的数字是1以外其余各维度数字都是0。
fromsklearn.neural_networkimport MLPClassifier
- Python机器学习笔记——无监督学习
- Python机器学习笔记——监督学习
- 数据挖掘——学习笔记(机器学习--监督,非监督,半监督学习
- 数据挖掘——学习笔记(机器学习--监督,非监督,半监督学习)
- 数据挖掘——学习笔记(机器学习--监督,非监督,半监督学习)
- 机器学习笔记——半监督学习
- 机器学习笔记——无监督学习
- 机器学习笔记—-监督学习与无监督学习的异同
- 斯坦福大学机器学习笔记——机器学习基础以及有监督学习和无监督学习举例说明
- 机器学习——监督学习,半监督学习,无监督学习,主动学习
- 机器学习——监督学习习题
- 机器学习笔记1---监督学习和无监督学习
- 机器学习笔记 (一) 监督学习、无监督学习
- Python机器学习应用 | 监督学习
- Python机器学习应用 | 无监督学习
- python 机器学习之有监督学习
- 机器学习笔记(十三)半监督学习
- 机器学习一:监督学习笔记
- linux驱动模块组成
- 安装SQL server2008遇到的问题,最后安装SQL server2012
- 高斯消元求方案数 POJ-1830
- dubbox升级spring cxf版本冲突
- day_11_异常、I/O流
- Python机器学习笔记——监督学习
- $.post异步引起的接收不到返回数据包
- git_如何查看两个版本之间那些文件被修改
- 类中声明的函数和类的成员函数
- java.lang.IllegalArgumentException: Result Maps collection already contains value for
- IOS OC中使用Charts的半圆饼图 + 旋转指针
- 函数的声明、定义和调用
- Spring 技术内幕
- 创业大学|什么样的BP能让投资人一见钟情