1.介紹 有三種不同的方法來評估一個模型的預測質量： estimator的score方法：sklearn中的estimator都具有一個score方法，它提供了一個缺省的評估法則來解決問題。 ...

　　　　　　對於想深入了解線性回歸的童鞋，這里給出一個完整的例子，詳細學完這個例子，對用scikit-learn來運行線性回歸，評估模型不會有什么問題了。 1. 獲取數據，定義問題 　　　　沒有數據，當然沒法研究機器學習啦。:) 這里我們用UCI大學公開的機器學習數據來跑線性回歸 ...

　　　　之前在邏輯回歸原理小結這篇文章中，對邏輯回歸的原理做了小結。這里接着對scikit-learn中邏輯回歸類庫的我的使用經驗做一個總結。重點講述調參中要注意的事項。 1. 概述 　　　　在scikit-learn中，與邏輯回歸有關的主要是這3個類。LogisticRegression ...

基於scikit-learn包實現機器學習之KNN(K近鄰) scikit-learn（簡稱sklearn）是目前最受歡迎，也是功能最強大的一個用於機器學習的Python庫件。它廣泛地支持各種分類、聚類以及回歸分析方法比如支持向量機、隨機森林、DBSCAN ...

conda升級默認官網地址，速度會特別慢，現在我們指定一個當前可用的鏡像，步驟如下： 1.執行命令，生成.condarc文件 conda config --add channels http ...

　　　　scikit-learn對於線性回歸提供了比較多的類庫，這些類庫都可以用來做線性回歸分析，本文就對這些類庫的使用做一個總結，重點講述這些線性回歸算法庫的不同和各自的使用場景。 　　　　線性回歸的目的是要得到輸出向量\(\mathbf{Y}\)和輸入特征\(\mathbf{X}\)之間 ...

　　學習機器學習童鞋們應該都知道決策樹是一個非常好用的算法，因為它的運算速度快，准確性高，方便理解，可以處理連續或種類的字段，並且適合高維的數據而被人們喜愛，而Sklearn也是學習Python實現機 ...

　　　　在學習機器學習算法的過程中，我們經常需要數據來驗證算法，調試參數。但是找到一組十分合適某種特定算法類型的數據樣本卻不那么容易。還好numpy, scikit-learn都提供了隨機數據生成的功能，我們可以自己生成適合某一種模型的數據，用隨機數據來做清洗，歸一化，轉換，然后選擇模型與算法做 ...

基於sklearn的常用分類任務指標Python實現 一、摘要 分類任務常用指標包含混淆矩陣、每類分類精度、平均分類精度、總體分類精度、f1-score等。 Python的sklearn.metr ...

　　　　目前機器學習可以說是百花齊放階段，不過如果要學習或者研究機器學習，進而用到生產環境，對平台，開發語言，機器學習庫的選擇就要費一番腦筋了。這里就我自己的機器學習經驗做一個建議，僅供參考。 　　 ...