机器学习

多变量线性回归详细说明

在上一篇文章中,简单的线性回归详细说明,我们了解如何将线性回归应用于我们只有一个独立变量的问题语句。但在实时场景中,将有许多独立变量,这将有助于预测目标变量。在这里,我将使用Sklearn库的Boston DataSet演示。 让我们创建波士顿数据集并将其拆分为培训和测试数据集以进行评估。这…

查看帖子
简单的线性回归详细说明

在这篇文章中,我们将开始学习线性回归算法。我们正在以线性回归启动,因为它很容易理解,但非常强大的算法解决机器学习问题。  我们将在与帖子一起处理时进行实践。我将使用Sklearn的波士顿房屋价格数据集来解释线性回归。 在我们开始之前让我们只是导入数据并创建数据帧。 import pandas as pd 来自Sklearn.Datasets导入...

查看帖子
线性回归的局限性

在上一篇文章中,我们讨论了一个简单的线性回归详细说明。我建议您通过帖子,详细了解简单的线性回归。线性回归必须找到最佳拟合线的假设。 注意:此假设适用于简单和多线性回归。 让我们了解线性回归的假设并详细讨论它们。 线性回归的局限性 我们无法涂上线性......

查看帖子
Python中的分层聚类算法

在前面的帖子中,Python中的无监督学习K-means聚类算法我们讨论了K表示聚类算法。我们学习了如何使用K表示聚类算法解决机器学习无监督学习问题。 如果您不了解K意味着聚类算法或具有有限的知识,我建议您通过帖子。 在这篇文章中,我们将研究用于解决无监督学习问题的分层聚类算法。作为…

查看帖子
Python中的尺寸减少技术

到目前为止,我们已经讨论了来自数据集的生成群集。如果您跳过了该帖子,我建议您通过它:在Python中PythonUnsupervised学习分层群集算法中的无监督学习k-means聚类算法 为了在没有标签的数据中创建模式,我们将数据分类为群集。考虑我们拥有1000个功能的示例,我们必须将数据分成集群。 1000个功能的概率是什么......

查看帖子
使用Python改进监督学习模型

在机器学习的旅程中,我们使用K-最近邻算法产生了监督学习培训模型。一旦模型生成,我们探讨了测量模型准确性的技术。 如果您错过了它,我强烈建议使用以下帖子:使用Python的模型的PythoniCuracy的监督学习的K-最近邻居算法 到目前为止,我们已经学习了惊人的技能来生成数据科学模型并测量其准确性。现在…

查看帖子
Bokeh Server介绍

在以前的数据可视化在Python中使用Bokeh包,我们了解到使用Python中的Bokeh包生成强大的可视化。如果您还没有经历此帖子,或者您没有关于Bokeh的知识,我强烈建议您在进一步前进之前通过帖子。 我们将继续讨论Bokeh,我们将看到如何使用Bokeh包构建强大的应用程序。 散景ServerVisualization / Reports的优点可以通过大...查看

查看帖子
使用Python中的Bokeh包的数据可视化

在使用Python的先前数据可视化中,我们已经了解了绘制数据的各种可视化技术。我们看到海运和Matplotlib包提供了各种可视化。在此帖子中继续可视化数据,我们将研究使用Bokeh包可视化数据的技术。 在下面显示的示例中,我们将使用House Property Sales数据集从滑动。数据已加载在HousePropertyDataset变量中。 import pandas as pd…

查看帖子
Python中的无监督学习k-means族聚类算法

在这里,我们再次回来讨论无人监督的学习。我们将讨论K-Means聚类算法来解决无监督的学习问题。 在先前的帖子中,使用Python在机器学习中的Pythonregression模型中监督学习的K-最近邻算法 我们看到了解决监督学习问题的技术,我们正在标记数据。 在这篇文章中,我们将研究解决与未标记数据相关的问题的技术(即...

查看帖子
订阅机器学习