第1章讲解了Python和机器学习的基础知识,第2～7章通过多个案例详细讲解了文本分析算法、朴素贝叶斯、支持向量机、对率回归及回归算法等知识,案例主要包括探索新闻组数据集、检测垃圾邮件、微新闻话题分类、预测点击率以及预测股价等。第8章是最佳实践,主要介绍机器学习方案的整个工作流的最佳实践。本书适合Python程序员...
三:Anaconda+tensorflow+sklearn+python3.5安装 Sklearn和tensorflow简介: •机器学习算法框架:sklearn(Scikit-learning)等。 •深度学习算法框架:tensorflow, caffe, pytorch, keras等 在使用算法框架之前,配置好算法需要的环境是重中之重。Anaconda自带sklearn包,而深度学习需要的包我们可以通过Anaconda安装,然后将路径...
大家可以查看ShowMeAI的 机器学习专题文章 系统了解特征工程的常见方法。 3.3 多模型应用 下一步可以选择各种候选机器学习算法,并应用在数据集上。我们安装的工具包内,包含很多机器学习算法,比如下述模型都可以用作分类: 线性模型(逻辑回归、线性SVM) 非线性模型(RBF、SVM、梯度下降分类器) 树和基于集成的模型(决策...
《Python机器学习实战：基于Scikit-learn与PyTorch的神经网络解决方案》是2023年9月1日清华大学出版社出版的图书，作者：[印]阿什温·帕扬卡 (Ashwin Pajankar) 阿迪亚·乔希 (Aditya Joshi)著 欧拉 译。内容简介 《Python机器学习实战：基于Scikit-learn与PyTorch的神经网络解决方案》基于作者多年的...
在python机器学习笔记:深入学习决策树算法原理一文中我们提到了决策树里的ID3算法,C4.5算法,并且大概的了解了CART算法。对于ID3算法的实战可参考这篇文章(python机器学习笔记:ID3决策树算法实战)。虽然我们已经对于C4.5算法也有了粗略的了解,并且提到了其不足,比如模型是用较为复杂的熵度量,使用了相对较为复杂的多叉树...
常见的无监督学习分为聚类、降维两大类,包含了PCA(主成分分析)、NMF(非负矩阵分解)、t-SNE(流形学习)、k均值聚类、DBSCAN 等多种算法,将在下一篇文章 《Python 机器学习实战 —— 无监督学习》中详细介绍,敬请留意。 回到目录 二、基本概念 在机器学习里,每一行的数据实例被看作是一个样本,每一列的数据被看...
如果您是一名 Python 开发人员,那么您将很高兴知道,有许多可以用 Python 构建的有趣机器学习应用程序。在本博客文章中,我们将介绍 10 个这样的应用程序。 应用一:垃圾邮件过滤器 垃圾邮件过滤器是一种使用机器学习来识别垃圾邮件的应用程序。垃圾邮件过滤器可以使用各种机器学习算法,包括逻辑回归、支持向量机和随机森林...
《Python机器学习实战》是一本2021年出版的图书，由人民邮电出版社出版 内容简介 机器学习是近年来比较热门的一个领域，Python语言经过一段时间的发展也已逐渐成为主流的编程语言之一。本书结合了机器学习和Python语言两个热门的领域，通过实用案例来详细讲解机器学习的相关知识，以便更好地引起读者的阅读兴趣且帮助读者...
Python版本:Python3.x IDE:Sublime text3 一 简单k-近邻算法 本文将从k-邻近算法的思想开始讲起,使用python3一步一步编写代码进行实战训练。并且,我也提供了相应的数据集,对代码进行了详细的注释。除此之外,本文也对sklearn实现k-邻近算法的方法进行了讲解。实战实例:电影类别分类、约会网站配对效果判定、手写数字...