（数据科学学习手札21）sklearn.datasets常用功能详解
作为Python中经典的机器学习模块，sklearn围绕着机器学习提供了很多可直接调用的机器学习算法以及很多经典的数据集，本文就对sklearn中专门用来得到已有或自定义数据集的datasets模块进行详细介绍； datasets中的数据集分为很多种，本文介绍几类常用的数据集生成方法，本文总结 ...
原文：（数据科学学习手札27）sklearn数据集分割方法汇总
一 简介 在现实的机器学习任务中，我们往往是利用搜集到的尽可能多的样本集来输入算法进行训练，以尽可能高的精度为目标，但这里便出现一个问题，一是很多情况下我们不能说搜集到的样本集就能代表真实的全体，其分布也不一定就与真实的全体相同，但是有一点很明确，样本集数量越大则其接近真实全体的可能性也就越大 二是很多算法容易发生过拟合 overfitting ，即其过度学习到训练集中一些比较特别的情况，使得其误 ...
2018-04-14 19:44 0 10173 推荐指数：
相关推荐
（数据科学学习手札25）sklearn中的特征选择相关功能
一、简介 在现实的机器学习任务中，自变量往往数量众多，且类型可能由连续型（continuou）和离散型（discrete）混杂组成，因此出于节约计算成本、精简模型、增强模型的泛化性能等角度考虑，我们常常需要对原始变量进行一系列的预处理及筛选，剔除掉冗杂无用的成分，得到较为满意的训练集，才会 ...
（数据科学学习手札95）elyra——jupyter lab平台最强插件集
本文示例文件已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes 1 简介 jupyter lab是我最喜 ...
（数据科学学习手札50）基于Python的网络数据采集-selenium篇（上）
一、简介 接着几个月之前的（数据科学学习手札31）基于Python的网络数据采集（初级篇），在那篇文章中，我们介绍了关于网络爬虫的基础知识（基本的请求库，基本的解析库，CSS，正则表达式等），在那篇文章中我们只介绍了如何利用urllib、requests这样的请求库来将我们的程序模拟成一个 ...
（数据科学学习手札31）基于Python的网络数据采集（初级篇）
一、简介 在实际的业务中，我们手头的数据往往难以满足需求，这时我们就需要利用互联网上的资源来获取更多的补充数据，但是很多情况下，有价值的数据往往是没有提供源文件的直接下载渠道的（即所谓的API），这时我们该如何批量获取这些嵌入网页中的信息呢？ 这时网络数据采集就派上用处了，你通过浏览器 ...
（数据科学学习手札127）在Python中使用icecream实现高效debug
😂，通过手动在程序中的关键位置书写合适的打印语句，可以很快速地帮助我们了解到程序运行的过程，发现问题 ...
（数据科学学习手札71）利用Python绘制词云图
本文对应脚本及数据已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes 1 简介 词云图是文本挖掘中用来表征词频的数据可视化图像，通过它可以很直观地展现文本数据中地高频词： 图1 词云图 ...
（数据科学学习手札41）folium基础内容介绍
一、简介 folium是js上著名的地理信息可视化库leaflet.js为Python提供的接口，通过它，我们可以通过在Python端编写代码操纵数据，来调用leaflet的相关功能，基于内建的osm或自行获取的osm资源和地图原件进行地理信息内容的可视化，以及制作优美的可交互地图。其语法 ...