原创 機器學習入門 --- 基於隨機森林的氣溫預測（三）隨機森林參數選擇
本文中將針對樹模型的參數進行優化 數據預處理 前面已經做過好幾次數據預處理了，這裏直接上代碼 得到數據 # 導入工具包 import pandas as pd import numpy as np from sklearn.mod
2020-06-19 14:00:35
原创 機器學習入門 --- 邏輯迴歸算法（公式推導）
邏輯迴歸算法原理 邏輯迴歸算法是一個分類算法，經典的二分類算法 在機器學習中，關於算法的選擇：先邏輯迴歸再用複雜的，能簡單還是用簡單的 邏輯迴歸的決策邊界：可以是線性的，也可以是非線性的 Sigmoid 函數 公式： g(z)
2020-06-19 12:57:18
原创 機器學習入門 --- 基於隨機森林的氣溫預測（一）使用隨機森林算法完成基本建模任務
任務概述 此任務中，我們要完成三項任務: 使用隨機森林算法完成基本建模任務 基本任務需要我們處理數據，觀察特徵，完成建模並進行可視化展示分析 觀察數據量與特徵個數對結果影響 在保證算法一致的前提下， 加大數據個數,觀察結果變換。
2020-06-19 11:45:39
15
原创 機器學習入門 --- 集成算法
集成算法 Bagging 此算法是並行訓練多個分類器後取平均 f(x)=1M∑m=1Mfm(x) f(x) = \frac{1}{M}\sum_{m=1}^{M}f_m(x) f(x)=M1m=1∑Mfm(x) 全稱： Bo
2020-06-19 11:45:39
原创 機器學習入門 --- K近鄰算法實戰（Sklearn庫與KNN）
K近鄰算法概述 這是機器學習中的第一個算法，也是機器學習中的入門級別算法,它既可以做分類任務，也可以做迴歸任務。用官方的話來說，所謂K近鄰算法，即是給定一個訓練數據集，對新的輸入實例，在訓練數據集中找到與該實例最鄰近的K個實例（也
2020-06-19 11:45:39
1
原创 機器學習入門 --- 邏輯迴歸 信用卡欺詐檢測實戰
機器學習|學習筆記 — 基於信用卡的交易記錄數據建立分類模型，預測交易記錄是否正常 任務流程 加載數據，觀察問題 查看數據是否有缺失值、異常值或者無法直接使用的值 針對問題給出解決方案 根據數據用途提前構思，做出方案再進行預處理
2020-06-19 11:45:39
原创 機器學習入門 --- 梯度下降原理（公式推導）
梯度下降概述 梯度下降是機器學習中的一種真正的求解的思路（優化算法） 引入 當我們得到了一個目標函數後，如何進行求解？直接求解？ 並不一定可解，線性迴歸可以當做是一個特例，在所有的機器學習問題當中，除了線性迴歸中可以直接求解，其他
2020-06-19 11:45:39
原创 機器學習入門 --- 線性迴歸算法（公式推導）
線性迴歸問題概述 在本文中，將根據這個銀行貸款的數據例子，進行迴歸問題的公式推導 工資 年齡 額度 4000 25 20000 8000 30 70000 5000 28 35000 7500 33 50
2020-06-19 11:45:39
原创 機器學習入門 --- 貝葉斯算法
貝葉斯算法概述 貝葉斯要解決的問題： 正向概率：假設袋子裏面有N個白球，M個黑球，伸手進去摸球，摸出黑球的概率是多大 逆向概率：如果我們事先並不知道袋子裏面黑白球的比例，而是閉着眼睛摸出一個（或好幾個）球，觀察這些取出來的球的顏色
2020-06-19 11:45:39
原创 PaddlePaddle學習之使用PaddleDetection在樹莓派4B進行模型部署（三）--- 樹莓派4B部署
PaddlePaddle學習之使用PaddleDetection在樹莓派4B進行模型部署（一）— 項目環境搭建 PaddlePaddle學習之使用PaddleDetection在樹莓派4B進行模型部署（二）— 深度學習模型訓練 P
2020-06-19 11:45:39
4
原创 PaddlePaddle學習之使用PaddleDetection在樹莓派4B進行模型部署（一）--- 項目環境搭建
PaddlePaddle學習之使用PaddleDetection在樹莓派4B進行模型部署（一）— 項目環境搭建 PaddlePaddle學習之使用PaddleDetection在樹莓派4B進行模型部署（二）— 深度學習模型訓練 P
2020-06-19 11:45:39
原创 機器學習入門 --- 基於隨機森林的氣溫預測（二）數據與特徵對隨機森林的影響
在 機器學習入門 — 基於隨機森林的氣溫預測（一）使用隨機森林算法完成基本建模任務 中，只用了2016年一個年份的數據來進行實驗，本文將增加數據量，把 2011 - 2016 年的數據都拿進來，與原結果進行一個對比 數據展示 #
2020-06-19 11:45:39
原创 機器學習入門 --- K-means、DBSCAN聚類算法（概念、圖解、代碼示例）
聚類概念 聚類是把相似的東西分到一組，它是一個無監督問題，沒有標籤使用 難點： 對於有標籤的有監督學習問題，標籤可以便於我們來評估模型，無監督學習問題在評估上比較難一點 對於不同的參數組合，得到的學習結果，因爲比較難對模型做評估，
2020-06-19 11:45:39
原创 機器學習 --- 支持向量機（Support Vector Machine）推導+實例
支持向量機（Support Vector Machine） 支持向量機要解決的問題 要解決的問題：什麼樣的決策邊界纔是最好的呢？ 以一個二分類問題爲例，對於兩個類別，可以有多種決策邊界，需要找到一個最好的那個決策邊界 特徵數
2020-05-06 11:42:05
原创 機器學習 --- GBDT提升算法（Gradient Boosting）
Gradient Boosting 以梯度爲優化目標，以提升將整個架構串在一起，用決策樹當做模型細節中的每一個小部分 分類迴歸樹（CART） 數據集：{((x(1),y(1)),(x(2),y(2)),...,(x(m),y(m)
2020-05-06 11:42:05