关于 Python遇见机器学习的文章

这是关于 Python遇见机器学习标签的相关文章列表

联合漏洞预警服务(2022-07-19 暂停开放)

置顶联合漏洞预警服务(2022-07-19 暂停开放)

关于在线社工库关闭的问题 TOOBUG博客自2016年开始与之前守夜人平台进行合作,充分利用守夜人平台的预警中心,为双方会员提供信息安全预警、账号行为分析、个人信息检索、人际关系分析、用户网络指纹记录、精准IP定位等...

Python遇见机器学习 ---- 集成学习 Ensemble Learning

热文Python遇见机器学习 ---- 集成学习 Ensemble Learning

综述 “余既滋兰之九畹兮，又树蕙之百亩” 本文采用编译器：jupyter 集成学习 (ensemble learning)通过构建并结合多个学习器来完成学习任务。下图显示出集成学习的一般结构，先产生一组"个体学习器"...

Python遇见机器学习 ---- 决策树 Decision Tree

热文Python遇见机器学习 ---- 决策树 Decision Tree

综述 “独木难成林” 本文采用编译器：jupyter 决策树 (decision tree) 是一类常见的机器学习方法，顾名思义，决策树是基于树结构来进行决策的，这恰是人类在面临决策问题时一种很自然的处理机制。例...

Python遇见机器学习 ---- 支持向量机SVM

热文Python遇见机器学习 ---- 支持向量机SVM

综述 “看二更云，三更月，四更天。” 本文采用编译器：jupyter 给定训练样本集D，分类学习最基本的想法就是基于训练集D的样本空间中找到一个划分超平面，将不同类别的样本分开。但能将训练样本分开但划分超平面可能有很...

Python遇见机器学习 ---- 评价分类结果

热文Python遇见机器学习 ---- 评价分类结果

综述 “以古为镜，可以知兴替；以人为镜，可以明得失。” 本文采用编译器：jupyter 首先提出一个关于分类准确度的问题：一个癌症预测系统，输入体检信息就可以判断病人是否患有癌症。如果这个系统的预测准确度为99....

Python遇见机器学习 ---- 逻辑回归 Logistic Regression

热文Python遇见机器学习 ---- 逻辑回归 Logistic Regression

综述 “子非鱼，焉知鱼之乐” 本文采用编译器：jupyter 逻辑回归方法是从线性回归方法发展过来的，通常解决的是分类问题，读者或许有这样一个疑问：既然是回归算法又么解决分类问题的呢？道理其实很简单，在我们求出线性...

Python遇见机器学习 ---- 多项式回归 Polynomial Regression

热文Python遇见机器学习 ---- 多项式回归 Polynomial Regression

综述 “寒泉自可斟，况复杂肴醴。” 本文采用编译器：jupyter 在介绍线性回归模型时，曾假设所有模拟的数据均满足线性关系，即y是x的一次函数，然而现实中极少有这么理想的数据，这是我们就需要考虑更一般化的方法了，其...

Python遇见机器学习 ---- 主成分分析 PCA

热文Python遇见机器学习 ---- 主成分分析 PCA

目录综述 01 使用梯度上升法求解主成分 demean 梯度上升法 02 获得前n个主成分 03 从高维数据向低维数据的映射 04 scikit-learn中的PCA 05 使用PCA降噪手写识别例子人脸识别 ...

Python遇见机器学习 ---- 梯度下降法法 Gradient Descent

热文Python遇见机器学习 ---- 梯度下降法法 Gradient Descent

综述 “譬如行远必自迩，譬如登高必自卑。” 本文采用编译器：jupyter 所谓梯度下降算法，本质上来讲并不能将其称作为机器学习算法，但是可以用于很多机器学习解决问题的领域，并且从数学上为我们解决一个复杂的问题提供了...

Python遇见机器学习 ---- 线性回归算法 Linear Regression

热文Python遇见机器学习 ---- 线性回归算法 Linear Regression

综述 “借问酒家何处有？牧童遥指杏花村。” 本文采用编译器：jupyter 线性模型试图学得一个通过属性的线性组合来进预测的函数，即线性模型形式简单、易于建模，但却蕴涵着机器学习中一些重要的基本思想。许多功能更为...

Python遇见机器学习 ---- k近邻（kNN）算法

热文Python遇见机器学习 ---- k近邻（kNN）算法

综述所谓：“近朱者赤，近墨者黑” 本文采用编译器：jupyter k近邻(简称kNN)算法是一种常用的监督学习算法，其工作机制非常简单 : 给定测试样本，基于某种距离度量找出训练集中与其最靠近的 k个训练样本，然...