机器学习实战
日拱一卒，《机器学习实战》，机器学习有哪些分类？
作者 | 梁唐出品 | 公众号：Coder梁（ID：Coder_LT）大家好，日拱一卒，我是梁唐。今天我们继续来聊聊《机器学习实战》，上一篇文章我们聊了机器学习兴起的原因，以及简要的工作原理，今天我们来聊聊机器学习算法的分类，看看从原理角度以及从应用的角度可以大致怎样划分。有监督/无监督从原理上来说，机器学习可以大致分成两个类别，有监督学习和无监督学习。有监督模型其实类别不止这俩，除了它们还有半监
日期 2023-06-12 10:48:40【2023新书】可信机器学习实战: 一致、透明和公平的AI管道
来源：专知本文为书籍介绍，建议阅读5分钟本指南提供了一个实用的起点，以帮助开发团队生成安全、更健壮、更少偏差和更易于解释的模型。复制随着人工智能在医学、法律和国防等高风险领域的使用越来越多，组织花费大量时间和金钱使ML模型可信。许多关于这个主题的书都深入探讨了理论和概念。本指南提供了一个实用的起点，以帮助开发团队生成安全、更健壮、更少偏差和更易于解释的模型。作者Yada Pruksachatkun
日期 2023-06-12 10:48:40
【机器学习入门与实践】合集入门必看系列，含数据挖掘项目实战
【机器学习入门与实践】合集入门必看系列，含数据挖掘项目实战1. 【机器学习入门与实践】合集入门必看系列A.机器学习系列入门系列[一]:基于鸢尾花的逻辑回归分类预测：逻辑回归（Logistic regression，简称LR）虽然其中带有"回归"两个字，但逻辑回归其实是一个分类模型，并且广泛应用于各个领域之中。虽然现在深度学习相对于这些传统方法更为火热，但实则这些传统方法由于其独
日期 2023-06-12 10:48:40
机器学习实战之PCA
机器学习实战之PCA 1. 向量及其基变换 1.1 向量内积 (1)两个维数相同的向量的内积定义如下: 内积运算将两个向量映射为一个实数. (2) 内积的几何意义 假设A\B是两个n维向量, n维向量可以等价表示为n维空间中的一条从原点发射的有向线段, 为方便理解, 在这里假设A和B都是二维向量.A=(x1,y1) , B=(x2,y2),在二维平面上A/B可
日期 2023-06-12 10:48:40
机器学习实战之Apriori
机器学习实战之Apriori 1. 关联分析 1.1 定义 关联分析是一种在大规模数据上寻找物品间隐含关系的一种任务.这种关系有2种形式:频繁项集和关联规则. (1) 频繁项集(frequent item sets
日期 2023-06-12 10:48:40【阶段三】Python机器学习33篇：机器学习项目实战：医学病症关联规则分析
本篇的思维导图： 医学病症关联规则分析 项目背景 本项目演示一个医学领域的有趣应用——病症关联规则分析，同时利用apyori库和mlxtend库来编写代码，从数据分析的角度去研究病症背后的关联规则。假设有一种医学理论认为，五脏和一些病症之间存在关联关
日期 2023-06-12 10:48:40【阶段三】Python机器学习25篇：机器学习项目实战：LigthGBM算法的核心思想、原理与LightGBM分类模型
本篇的思维导图： LigthGBM算法的核心思想 LigthGBM算法是Boosting算法的新成员，由微软公司开发。它和XGBoost算法一样是对GBDT算法的高效实现，在原理上与GBDT算法和XGBoost算法类似，都采用损失函数的负梯度作为当前决策树的残
日期 2023-06-12 10:48:40【阶段三】Python机器学习24篇：机器学习项目实战：XGBoost回归模型
本篇的思维导图： 项目实战(XGBoost回归模型) 项目背景 为了降低不良贷款率，保障自身资金安全，提高风险控制水平，银行等金融机构会根据客户的信用历史资料构建信用评分卡模型给客户评分。根据客户的信用得分，可以预估客户按时还款的可能性，并据此决定是否发放
日期 2023-06-12 10:48:40
【阶段三】Python机器学习15篇：机器学习项目实战：支持向量机回归模型
本篇的思维导图： 项目实战(支持向量机回归模型) 项目背景 股票投资（Stock Investment）是指企业或个人用积累起来的货币购买股票，借以获得收益的行为。股票投资的收益是由“收入收益”和“资本利得”两部分构成的。收入收益是指股票投资者以股东身份
日期 2023-06-12 10:48:40【阶段三】Python机器学习09篇：机器学习项目实战：决策树回归模型
本篇的思维导图： 项目背景 决策树除了能进行分类分析，还能进行回归分析，即预测连续变量，此时的决策树称为回归决策树。回归问题是一类预测连续值的问题，而能满足这样要求的数学模型称作回归模型，本项目应用决策树回归模型进行探索新冠疫情、原材料、人工、物流等因素对零部件价格的影响。 数据收集 所需要的
日期 2023-06-12 10:48:40【机器学习项目实战】Python基于协同过滤算法进行电子商务网站用户行为分析及服务智能推荐
说明：这是一个机器学习实战项目（附带数据+代码+文档+代码讲解），如需数据+代码+文档+代码讲解可以直接到文章最后获取。 1.项目背景 电子商务网站数量迅速上升，将电子商务网站浏览者变为实际消费者&#x
日期 2023-06-12 10:48:40bayes python 机器学习实战
''' Created on Oct 19, 2010 @author: Peter ''' from numpy import * def loadDataSet
日期 2023-06-12 10:48:40python 与机器学习实战（何宇健）代码下载
代码链接 知乎文章链接 博客链接
日期 2023-06-12 10:48:40
机器学习实战笔记之非均衡分类问题
通常情况下，我们直接使用分类结果的错误率就能够做为该分类器的评判标准了，可是当在分类器训练时正例数目和反例数目不相等时。这样的评价标准就会出现故障(比方我们有1000个正例，10个负例。此时预測中500个正例被预測正确。10个负例也被预測为正例。那么准确率为500/510,很高，可是召回率仅仅有500/1000=50%,很低。)。这样的现象也称为非均衡分类问题。此时有下面几个衡量标准。 以下
日期 2023-06-12 10:48:40SLS机器学习最佳实战：日志聚类+异常告警 —— 这个就是splunk SQL+机器学习结合产物啊
SLS机器学习最佳实战：日志聚类+异常告警 悟冥 2019-05-14 11142浏览量 简介： 围绕日志，挖掘其中更大价值，一直是我们团队所关注。在原有日志实时查询基础上，今年SLS在DevOps领域完善了如下功能： - 上下文查询 - 实时Tail和智能聚类，以提高问题调查效率 - 提供多种时序数据的异常检测和预测函数，来做更智能的检查和预测 - 数
日期 2023-06-12 10:48:40【机器学习实战】11、利用SVD简化数据
文章目录 14.1.1 隐形语义索引14.1.2 推荐系统 14.2 矩阵分解（SVD矩阵分解）14.3 利用python实现SVD14.4.1 相似度计算14.4.2 基
日期 2023-06-12 10:48:40【机器学习实战】9、利用K-means算法对未标注数据分组
文章目录 10.1 K-均值聚类算法10.2 使用后处理来提高聚类性能10.3 二分K-均值算法10.4 总结 簇识别： 簇识别给出了聚类结果的含义，假
日期 2023-06-12 10:48:40【机器学习实战】8、预测数值型数据：回归
文章目录 8.1 用线性回归找到最佳拟合直线8.1.1 线性回归8.1.2数据可视化8.1.3 求回归系数向量，并根据系数绘制回归曲线 8.2 局部加权线性回归（LWLR&
日期 2023-06-12 10:48:40【机器学习实战】7、利用 AdaBoost 元算法提高分类性能
文章目录 7.1 集成方法7.1.1 bagging（自举汇聚法）7.1.2 随机森林（Random Forest，RF）7.1.3 boo
日期 2023-06-12 10:48:40【机器学习实战】6、支持向量机
文章目录 6.1 什么是支持向量机6.1.1 线性SVM 6.1 什么是支持向量机 支持向量机(Support Vector Machines)是目前被认为最好的现成的算法之
日期 2023-06-12 10:48:40【机器学习实战】3、决策树
文章目录 决策树3.1 决策树的构造3.1.1 信息增益3.1.2 编写代码计算经验熵3.1.4利用代码计算信息增益 3.2 决策树的生成和修剪3.2.1 决策树的构建1. ID3算法2. C4.5的
日期 2023-06-12 10:48:40【机器学习实战】1、机器学习主要任务
文章目录 1.1 何谓机器学习1.2 机器学习重要性1.3 机器学习主要任务1.4 如何选择合适的算法1.5 开发机器学习应用程序的步骤1.6 python语言的优势1.6.1 python语言特色1.6.2
日期 2023-06-12 10:48:40【Android机器学习实战】1、用 MLKIT 机器学习库做图片分类
文章目录 一、添加MLKIT机器学习库二、实现图像分类 一、添加MLKIT机器学习库 首先，新建 FlowerClassifierApp 程序，项目github代码详见
日期 2023-06-12 10:48:40（《机器学习》完整版系列）第2章 模型评估与选择 ——2.7 （实战）具体的性能检验方法
*有了前一节的性能检验的理论，我们就可以讨论一些具体的性能检验方法，包括： 二项检验 t
日期 2023-06-12 10:48:40机器学习案例实战分享 | 购买者行为分析（一）
背景与挖掘目标 Part.1 案例背景 随着互联网的发展，电子商务已成为世界经济重要的组成部分。人们在不同的电商平台上浏览商品，然后直接下单购买，这一流程相比于传统商业省去了很多环节，在提高效率的同时还降低了交易双方的成本。电商平台为了对买卖双方提供高效和体验良好的交易服务，不断地
日期 2023-06-12 10:48:40统计学方法&机器学习实战 (五、六) 回归、支持向量机
前言： 这部分知识，理论上大致比较好理解，也做了相应的笔记，虽然支持向量机有些公式未能理解透，但是由于时间有限，目前主要学会使用SKLEARN进行实现，重点工作在神经网络的学习上。 这部分学习笔记整理如下： 学习笔记：
日期 2023-06-12 10:48:40<机器学习实战>读书笔记--朴素贝叶斯
1.朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法， 最为广泛的两种分类模型是决策树模型(Decision Tree Model)和朴素贝叶斯模型（Naive Bayesian Model，NBM） 2.朴素贝叶斯公式 P(B|A)的意思是在A事件的情况下，发生B事件的概率。 3.朴素贝叶斯模型 a是独立的特征属性集合： &
日期 2023-06-12 10:48:40机器学习实战读书笔记(3)朴素贝叶斯
贝叶斯定理 要理解贝叶斯推断，必须先理解贝叶斯定理。后者实际上就是计算"条件概率"的公式。 所谓"条件概率"（Conditional probability），就是指在事件B发生的情况下，事件A发生的概率，用P(A|B)来表示。 根据文氏图，可以很清楚地看到在事件B发生的情况下，事件A发生的概率就是P(A∩B)除以P(B)。 因此， 同理可得， 所以， 即 这就是条件概率的计算公式。
日期 2023-06-12 10:48:40