| python预测程序 python预测算法有哪些 | 您所在的位置：网站首页 › 分类问题有哪些模型 › python预测程序 python预测算法有哪些 |
python预测程序 python预测算法有哪些
|
Python机器学习核心预测算法Python机器学习核心预测算法第2章 通过理解数据来了解问题2.1 解剖一个新问题2.1.1 属性和标签的不同类型决定模型的选择2.1.2 新数据集的注意事项2.2 分类问题：用声呐发现未爆炸的水雷2.2.1 “岩石 vs. 水雷”数据集的物理特性2.2.1 “岩石 vs. 水雷”数据集的统计特征 Python机器学习核心预测算法 关于本书的学习及上机实现的笔记。 第2章 通过理解数据来了解问题2.1 解剖一个新问题note: 机器学习数据集通常对应列一个属性，行对应一个观察，但也有例外。例如，有些文本挖掘问题的数据矩阵就是另外的形式：列对应一个观察，行对应一个属性。 属性（预测因子、特征、独立变量、输入） 标签（结果、目标、依赖变量、响应） 2.1.1 属性和标签的不同类型决定模型的选择a、数值变量； b、类别（因子、因素）变量 例如惩罚回归算法只能处理数值变量，SVM、核方法、K最近邻也是同样。第4章将介绍将类别变量转换成数值变量的方法。 当标签是数值的，就叫做回归问题。当标签是类别的，就叫做分类问题。如果分类结果只取2个值，就叫作二元分类问题。如果取多个值，就是多类别分类问题。 可以吧一个回归问题变成二元分类问题。 2.1.2 新数据集的注意事项需要检查的事项： 1、行数、列数 2、类别变了的数目、类别的取值范围 3、缺失的值：当数据规模较大时，可以直接丢失；当数据规模小特别是生物数据且有多种属性时，需要找到方法把丢失的值填上（遗失值插补），或者使用能够处理丢失数据的算法。 4、属性和标签的统计特性 2.2 分类问题：用声呐发现未爆炸的水雷2.2.1 “岩石 vs. 水雷”数据集的物理特性运行时出现问题 row = line.strip(' ').split(",") TypeError: a bytes-like object is required, not 'str' 原因：Python3和Python2 在套接字返回值解码上有区别，需要decode(‘utf8’) https://www.fujieace.com/python/str-bytes.html由程序 rockVmineSummaries.py 得到
另外一个重要的观察，如果数据集的列数远远大于行数，那么采用惩罚线性回归的方法则有很大可能获得最佳预测，反之亦然。 由程序 rockVmineContents.py 可以确定哪些列是数值型的，哪些列是类别型的。分析结果：前60列是数值型，最后一列都是字符串。这些字符串值是标签。
try…except…else…是Python中异常处理的方法， 详见(https://www.runoob.com/python/python-exceptions.html） 2.2.1 “岩石 vs. 水雷”数据集的统计特征由程序 rVMSummaryStats.py 得到该数据集的统计特征，
|
【本文地址】
公司简介
联系我们