-
用所有的数据进行训练可能会适得其反，不仅模型复杂化，且准确度不一定更高
评估思想：将训练数据和测试数据分离
判断模型的准确率：比较预测结果和实际结果，正解的比例占到多少
from sklearn.metrics import accuracy_scoreprint(accuracy_score(y,y_pred))
查看全部 -
分类问题场景：垃圾邮件、三类或两类以下的品种的分类
分类算法：K近邻、逻辑回归、决策树、朴素贝叶斯
调用KNN模型：from sklearn.neighbors import KNeighborsclassifier
创建一个KNN模型实例knn = KNeighborsClassifier(n_neighbors=1)
模型训练（学习）：knn.fit(X,y)
模型预测：knn.predict([[1,2,3,4]])
)
查看全部 -
加载数据集：from sklearn import datasets
加载数据集中的iris：iris = datasets.load_iris()
查看全部 -
为什么不能自动保存。。。。
查看全部 -
scikit-learn 是python 专门针对机器学习的开源框架
jupyter notebook 是基于web的应用程序，可视化强，可单独测试某个代码块
查看全部 -
监督式学习：有固定结果
非监督式学习：无固定结果
查看全部 -
绘制图表，进行数据可视化
pandas：基础数据分析套件
scikit-learn：强大的数据分析建模库
keras：人工神经网络
查看全部 -
好先进查看全部
-
监督式学习
非监督式学习
强化学习
查看全部 -
python安装
3.7.4最新版本
anaconda
Anaconda Distribution
查看全部 -
安装python
安装Anaconda
新建开发环境，安装numpy，scikit-learn库
新建开发环境conda create -n env_name
安装numpy库pip(conda) install package_name
Jupyter notebook界面优化
https://github.com/dunovank/jupyter-themes
界面设置
jt -t oceans16 -f fira -fs 17 -cellw 90% -ofs 14 -dfs 14 -T
查看全部 -
Jupyter notebook
开源的web应用程序，旨在方便开发者创建和共享代码文档。用户可以在里面写代码，运行代码，查看结果，并在其中可视化数据
特点：
允许把代码写入独立的cell中，然后单独执行。用户可以在测试项目时单独测试特定代码块，无需从头开始执行代码
基于web进行交互开发，非常方便
查看全部 -
Scikit-learn
Python语言中专门针对机器学习应用而发展起来的一款开源框架（算法库），可以实现数据预处理，分类，回归，降维，模型选择等常用的机器学习算法
特点：
集成了机器学习中各类成熟的算法，容易安装和使用，样例丰富，教程和文档也非常详细
不支持Python外的语言，不支持深度学习和强化学习
https://scikit-learn.org/stable/
查看全部 -
面向过程：所有的过程全部走一遍 面向对象：每一部分模块化调用
查看全部 -
准确率 (TP+TN)/(TP+TN+FP+FN)
错误率 （FP+FN）/(TP+TN+FP+FN)
召回率 TP/(TP+FN)
特异度 TN/(TN+FP)
精确率 TP/(TP+FP)
F1分数 2*精确率*召回率/(精确率+召回率)
查看全部
举报