（數據科學學習手札21）sklearn.datasets常用功能詳解
作為Python中經典的機器學習模塊，sklearn圍繞着機器學習提供了很多可直接調用的機器學習算法以及很多經典的數據集，本文就對sklearn中專門用來得到已有或自定義數據集的datasets模塊進行詳細介紹； datasets中的數據集分為很多種，本文介紹幾類常用的數據集生成方法，本文總結 ...
原文：（數據科學學習手札27）sklearn數據集分割方法匯總
一 簡介 在現實的機器學習任務中，我們往往是利用搜集到的盡可能多的樣本集來輸入算法進行訓練，以盡可能高的精度為目標，但這里便出現一個問題，一是很多情況下我們不能說搜集到的樣本集就能代表真實的全體，其分布也不一定就與真實的全體相同，但是有一點很明確，樣本集數量越大則其接近真實全體的可能性也就越大 二是很多算法容易發生過擬合 overfitting ，即其過度學習到訓練集中一些比較特別的情況，使得其誤 ...
2018-04-14 19:44 0 10173 推薦指數：
相關推薦
（數據科學學習手札25）sklearn中的特征選擇相關功能
一、簡介 在現實的機器學習任務中，自變量往往數量眾多，且類型可能由連續型（continuou）和離散型（discrete）混雜組成，因此出於節約計算成本、精簡模型、增強模型的泛化性能等角度考慮，我們常常需要對原始變量進行一系列的預處理及篩選，剔除掉冗雜無用的成分，得到較為滿意的訓練集，才會 ...
（數據科學學習手札95）elyra——jupyter lab平台最強插件集
本文示例文件已上傳至我的Github倉庫https://github.com/CNFeffery/DataScienceStudyNotes 1 簡介 jupyter lab是我最喜 ...
（數據科學學習手札50）基於Python的網絡數據采集-selenium篇（上）
一、簡介 接着幾個月之前的（數據科學學習手札31）基於Python的網絡數據采集（初級篇），在那篇文章中，我們介紹了關於網絡爬蟲的基礎知識（基本的請求庫，基本的解析庫，CSS，正則表達式等），在那篇文章中我們只介紹了如何利用urllib、requests這樣的請求庫來將我們的程序模擬成一個 ...
（數據科學學習手札31）基於Python的網絡數據采集（初級篇）
一、簡介 在實際的業務中，我們手頭的數據往往難以滿足需求，這時我們就需要利用互聯網上的資源來獲取更多的補充數據，但是很多情況下，有價值的數據往往是沒有提供源文件的直接下載渠道的（即所謂的API），這時我們該如何批量獲取這些嵌入網頁中的信息呢？ 這時網絡數據采集就派上用處了，你通過瀏覽器 ...
（數據科學學習手札127）在Python中使用icecream實現高效debug
😂，通過手動在程序中的關鍵位置書寫合適的打印語句，可以很快速地幫助我們了解到程序運行的過程，發現問題 ...
（數據科學學習手札71）利用Python繪制詞雲圖
本文對應腳本及數據已上傳至我的Github倉庫https://github.com/CNFeffery/DataScienceStudyNotes 1 簡介 詞雲圖是文本挖掘中用來表征詞頻的數據可視化圖像，通過它可以很直觀地展現文本數據中地高頻詞： 圖1 詞雲圖 ...
（數據科學學習手札41）folium基礎內容介紹
一、簡介 folium是js上著名的地理信息可視化庫leaflet.js為Python提供的接口，通過它，我們可以通過在Python端編寫代碼操縱數據，來調用leaflet的相關功能，基於內建的osm或自行獲取的osm資源和地圖原件進行地理信息內容的可視化，以及制作優美的可交互地圖。其語法 ...