一个SVM示例引起的,原先的测试精度由0.63提升至0.97,预处理的效果还是挺好用的,有些问题也是需要注意的🐸
继续阅读“Preprocessing数据”Neural-network之炼丹传说
我想,现在我大概有点体会到,为什么说深度学习是传说中的炼丹了,虽然刚刚试了下神经网络基本模型,额,已经深有体会了,MDZZ,差点把CPU玩烧了🐸
display(mglearn.plots.plot_logistic_regression_graph())
继续阅读“Neural-network之炼丹传说” 决策树(decision tree)
尝试了一波单一决策树模型和集成决策树,也体会了一波大量数据训练和增加迭代次数对模型的影响,100,0000棵树了解一下🤣
继续阅读“决策树(decision tree)”graphviz的一些坑
本以为graphviz是python的一个从属模块,随便pip一波安装就没问题了,额,实际上问题还挺多,比如最基本的安装问题,conda下的console也不能直接安装使用,滑稽的很
继续阅读“graphviz的一些坑”回归式线性模型
Python集成库的线性模型形式,参数值与属性值对应,斜率值取Arr,偏移值取浮点数,建模参数输出值取coef_[m],intercept_
y = w[0]*x[0] + w[1]*x[1] + w[2]*x[2] + ... w[p]*x[p] + b
继续阅读“回归式线性模型” 线性回归模型
输入样本的属性个数唯一,输出个数唯一,简而言之可以在平面坐标系上构建点集,通常而言这样的点集可以用线性模型进行拟合
继续阅读“线性回归模型”