不仅仅是python-腾讯云开发者社区

开发者社区

文档建议反馈控制台

腾讯云架构师技术同盟

文章/答案/技术大牛

发布

不仅仅是python

专栏成员

131

文章

159560

阅读量

28

订阅数

机器学习-随机森林(Random Forest)

决策树机器学习神经网络深度学习人工智能

随机森林是一组决策树的商标术语。在随机森林中，我们收集了决策树（也称为“森林”）。为了基于属性对新对象进行分类，每棵树都有一个分类，我们称该树对该类“投票”。森林选择投票最多的类别（在森林中的所有树木上）。

2019-10-16

8420

机器学习-K均值算法（K-Means）案例

这是一种无监督算法，可以解决聚类问题。它的过程遵循一种简单的方法，可以通过一定数量的聚类（假设k个聚类）对给定的数据集进行分类。集群中的数据点对同级组是同质的，并且是异构的。

2019-10-14

1.3K0

机器学习-K邻近算法（KNN）简介

编程算法 python

在我们遇到的所有机器学习算法中，KNN很容易成为最简单的学习方法。尽管它很简单，但是事实证明它在某些任务上非常有效（正如您将在本文中看到的那样）。

2019-10-14

1.8K0

机器学习-将多项式朴素贝叶斯应用于NLP问题

机器学习神经网络深度学习人工智能编程算法

朴素贝叶斯分类器算法是一系列概率算法，基于贝叶斯定理和每对特征之间条件独立的“朴素”假设而应用。贝叶斯定理计算概率P（c | x），其中c是可能结果的类别，x是必须分类的给定实例，表示某些特定特征。

2019-09-25

8660

机器学习-朴素贝叶斯分类器

编程算法机器学习神经网络深度学习人工智能

使用贝叶斯定理，我们可以找到已知B发生，A发生的可能性。在这里，B是证据，A是假设。这里所做的假设是预测变量/特征是独立的。也就是说，一个特定功能的存在不会影响其他功能。因此，它被称为朴素。

2019-09-25

7520

机器学习-朴素贝叶斯（Naive Bayes）案例

机器学习神经网络深度学习人工智能编程算法

这是一种基于贝叶斯定理的分类技术，假设预测变量之间具有独立性。简而言之，朴素贝叶斯分类器假定类中某个特定特征的存在与任何其他特征的存在无关。例如，如果水果是红色，圆形且直径约3英寸，则可以将其视为苹果。即使这些特征相互依赖或依赖于其他特征的存在，朴素的贝叶斯分类器也会考虑所有这些特征，以独立地促成该果实是苹果的可能性。

2019-09-25

8590

机器学习-支持向量机（SVM:Support Vector Machine）案例

编程算法机器学习神经网络深度学习

我第一次听到“支持向量机”这个名字，我觉得，如果这个名字本身听起来那么复杂，那么这个概念的表述将超出我的理解范围。幸运的是，我看到了一些大学讲座视频，并意识到这个工具是多么简单有效。在本文中，我们将讨论支持向量机如何工作。本文适合那些对此算法知之甚少且对学习新技术有好奇心的读者。在以下文章中，我们将详细探讨该技术，并分析这些技术比其他技术更强的案例。

2019-09-25

1.1K0

机器学习-决策树（Decision Tree）简介

决策树机器学习神经网络深度学习人工智能

从上图中可以看出，决策树在产品总和表上工作，也称为析取范式。在上图中，我们预测计算机在人们日常生活中的使用。

2019-09-25

1.2K0

机器学习-决策树（Decision Tree）案例

决策树机器学习神经网络深度学习人工智能

这是我最喜欢的算法之一，我经常使用它。它是一种监督学习算法，主要用于分类问题。令人惊讶的是，它适用于分类和连续因变量。在该算法中，我们将总体分成两个或更多个同类集。这是基于最重要的属性/独立变量来完成的，以尽可能地作为不同的组。有关详细信息，请参阅简化决策树：https://www.analyticsvidhya.com/blog/2016/04/complete-tutorial-tree-based-modeling-scratch-in-python/

2019-09-19

9300

机器学习-理解Logistic Regression

机器学习 bash bash 指令编程算法

本文讨论了Logistic回归的基础知识及其在Python中的实现。逻辑回归基本上是一种监督分类算法。在分类问题中，目标变量（或输出）y对于给定的一组特征（或输入）X，只能采用离散值。

2019-09-19

7340

机器学习-线性回归（Linear Regression）介绍与python实现

本文讨论了线性回归的基础知识及其在Python编程语言中的实现。线性回归是一种统计方法，用于建模具有给定自变量集的因变量之间的关系。注意：在本文中，为简单起见，我们将因变量作为响应和自变量引用作为特征。为了提供线性回归的基本理解，我们从最基本的线性回归版本开始，即简单线性回归。

2019-09-17

3.3K0

机器学习-Logistic回归(Logistic Regression)案例

不要被它的名字弄糊涂！它是一种分类而非回归算法。它用于根据给定的自变量集估计离散值（二进制值，如0/1，yes/no，true/false）。简单来说，它通过将数据拟合到logit函数来预测事件发生的概率。因此，它也被称为logit回归。由于它预测概率，因此其输出值介于0和1之间（如预期的那样）。

2019-09-17

3.7K0

机器学习-线性回归（Linear Regression）案例

编程算法线性回归

线性回归用于根据连续变量估算实际值（房屋成本，看涨期权，总销售额等）。在这里，我们通过拟合最佳线来建立独立变量和因变量之间的关系。该最佳拟合线称为回归线，并由线性方程Y = a * X + b表示。

2019-09-12

2.1K0

机器学习相关的python库介绍

python tensorflow 机器学习 scikit-learn

顾名思义，机器学习是计算机编程的科学，通过它可以从不同类型的数据中学习。Arthur Samuel给出的更一般的定义是 - “机器学习是一个研究领域，它使计算机无需明确编程即可学习。”它们通常用于解决各种类型的生活问题。

2019-09-12

6210

机器学习-常用的机器学习算法

编程算法线性回归监督学习无监督学习强化学习

谷歌的自动驾驶汽车和机器人得到了很多新闻，但该公司真正的未来是机器学习，这种技术使计算机变得更聪明，更个性化。 - Eric Schmidt（谷歌主席）

2019-09-12

5870

机器学习-使用TF.learn识别手写的数字图像

tensorflow mnist

我们今天要解决的问题是从MNIST数据集中分类手写数字，并且写一个简单的分类器，被认为是计算机视觉的Hello World。现在MNIST是一个多类别的分类问题。给出一个数字的图像，我们的工作将预测它是哪一个数字，我们使用Jputer Notebook编写相关代码。首先是介绍的内容的概述，展示如何下载数据集并可视化图像。接下来，我们将训练一个分类器，评估它，并用它来预测新的图像。然后我们将可视化分类器学习的权重获得对它如何在底层工作的直觉。让我们从安装TensorFlow开始，现在进入代码：

2019-09-09

8010

机器学习-使用TensorFlow for Poets训练图像分类器

tensorflow 神经网络深度学习

今天我们学习如何训练图像分类器，只需通过图像目录即可完成。比如说，你想要构建一个分类器来区分霸龙和三角龙的图片：

2019-09-05

1.2K0

什么是机器学习？

编程算法监督学习无监督学习决策树机器学习

除了机器学习（ML）工作定义之外，我们还旨在简要概述机器学习的基本原理，让机器“思考”的挑战和局限性，以及今天深入解决的一些问题学习（机器学习的“前沿”），以及开发机器学习应用程序的关键要点。

2019-09-05

5090

机器学习-如何训练数据调整参数让准确率更高？

监督学习编程算法

今天我要回顾并强化概念。为此，我们要进行两项探索首先，我们会编码一个基本管道进行监督学习。我会向大家展示多个分类器如何解决同一个问题。然后，我们要锐化直觉关于一个算法从数据中学习的真正含义，因为尽管听起来这很魔幻，实际上一点也不。为了扫平障碍，我们来看一个常见的你可能想要进行的实验。

2019-09-04

1.6K0

机器学习-撰写我们自己的第一个分类器

编程算法机器学习神经网络深度学习人工智能

今天我们要做一件特别的事，从头开始撰写我们自己的分类器，如果你刚开始接触机器学习，这是一个重要的里程碑。因为如果你能跟上进度并独立完成，这意味着你已学会机器学习谜团里最重要的一块。今天我们要撰写的分类器是k-NN算法的简化版：它是最简单的分类器之一。

2019-09-04

5240

点击加载更多

社区活动

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·干货材料·成员作品最新动态