机器学习的3个数据集
数据集处理步骤查看该数据集对应的描述（摘要，详细描述，变量信息）下载并用 Excel 等工具查看数据集（变量名，数量），根据目的看是否需要变量清洗查看数据集对应的论文SCADI.csv摘要：基于 ICF-CY 的第一个自我护理活动数据集 ICF-CY - 国际功能，残疾和健康分类（青少年版）数据集描...
机器学习中的数据集的制作
参考https://blog.csdn.net/zhangjunp3/article/details/79627824。然后结合自己的与运行过程实际的例子。一、数据集介绍点击打开链接17_Category_Flower 是一个不同种类鲜花的图像数据，包含 17 不同种类的鲜花，每类 80 张该类鲜花...
机器学习——DEAP数据集
DEAP数据集介绍DEAP（Database for Emotion Analysis usingPhysiological Signals)，该数据库是由来自英国伦敦玛丽皇后大学，荷兰特温特大学，瑞士日内瓦大学，瑞士联邦理工学院的Koelstra 等人通过实验采集到的，用来研究人类情感状态的多通道...
Python库Gym：打开机器学习与强化学习的大门
Python库Gym：打开机器学习与强化学习的大门 强化学习作为人工智能领域的重要分支，已经在各种领域展现出了巨大的潜力。为了帮助开发者更好地理解和应用强化学习算法，Python库Gym应运而生。Gym提供了一个开放且易于使用的环境，供开发者进行强化学习算法的开发、测试和评估。本文将深入介绍Gy...
机器学习之局部异常因子算法(Local Outlier Factor)
概念 局部异常因子算法（Local Outlier Factor, LOF）是一种用于检测数据集中的异常点的算法。它是一种无监督学习方法，不需要先验标签来识别异常值。相反，它利用数据点周围的局部邻域信息来计算每个数据点的异常程度。 LOF算法的核心思想是，异常点通常在其周围的邻域中具有较低的密度，而...
【机器学习算法】【10】--数据挖掘算法之Apriori详解
前言：数据挖掘与机器学习 有时候，人们会对机器学习与数据挖掘这两个名词感到困惑。如果你翻开一本冠以机器学习之名的教科书，再同时翻开一本名叫数据挖掘的教材，你会发现二者之间有相当多重合的内容。比如机器学习中也会讲到决策树和支持向量机，而数据挖掘的书里也必然要在决策树和支持向量机上花费相当...
机器学习聚类算法简介
算法的目的 ：聚类算法是“无监督学习”中最常用的一个算法，通过对无标记训练样本的学习将数据集划分成若干个不相交的子集，来解释数据的内在性质以及规律，为进一步数据分析提供基础。也可以作为一个单独的过程，寻找数据内在的分布结构注意 ： 类所对应的概念语义需要由使用者自己把握和命名。对于一个算法的评估我们...
机器学习—多项式回归
7.多项式回归和模型选择7.1多项式回归7.1.1多项式回归的实现思想在现实生活中，很多数据之间是非线性关系；虽然使用多线性回归来拟合非线性数据集，但是其拟合效果是非常的差。#程序7-1import numpy as npimport matplotlib.pyplot as plt np.rand...
机器学习之决策树
3.1、摘要 在这一篇文章中，将讨论一种被广泛使用的分类算法——决策树（decision tree）。决策树的优势在于构造过程不需要任何领域知识或参数设置，因此在实际应用中，对于探测式的知识发现，决策树更加适用。3.2、决策树引导 通俗来说，决策树分类的思想类似于找对象。现想象一个...
机器学习-监督学习常见算法优缺点
文章目录1. SVM1.1 优点1.2 缺点1.3 适用场景2. 朴素贝叶斯2.1 优点2.2 缺点2.3 适用场景3. 树模型1. SVM1.1 优点SVM在解决小样本，非线性以及高维特征中表现出许多特有的优势。SVM基于有限的样本信息在模型的复杂度和模型准确性之间寻求最佳折中，以获得最好的预测效...
Science Robotics 封面论文：Google DeepMind 通过深度强化学习赋予双足机器人敏捷的足球技能
创造通用具身智能，即创造能够在物理世界中敏捷、灵巧和理解的智能体——就像动物或人类一样——是人工智能 （AI） 研究人员和机器人专家的长期目标之一。动物和人类不仅是自己身体的主人，能够流畅而轻松地执行和组合复杂的动作，而且还可以感知和理解他们的环境，并利用他们的身体来影响世界上的复杂结果。 近些年...
机器学习模型的性能度量方法
对机器学习模型进行评估，不仅需要有效的实验评估方法，还需要有衡量模型泛化能力的评价指标，在这里总结一下常用的机器学习模型的性能度量方法，总结不完善的地方欢迎大家留言补充。 以二分类为例，首先给出分类结果混淆矩阵：真实情况预测结果正例反例正例TPFN反例FPTN ...
机器学习分类模型评价指标详述
问题建模机器学习解决问题的通用流程：问题建模——特征工程——模型选择——模型融合其中问题建模主要包括：设定评估指标，选择样本，交叉验证解决一个机器学习问题都是从问题建模开始，首先需要收集问题的资料，深入理解问题，然后将问题抽象成机器可预测的问题。在这个过程中要明确业务指标和模型预测目标，根据预测目标...
一个月刷完机器学习笔试题300题（10）
第十天1、在以下不同的场景中,使用的分析方法不正确的有A根据商家最近一年的经营及服务数据,用聚类算法判断出天猫商家在各自主营类目下所属的商家层级B根据商家近几年的成交数据,用聚类算法拟合出用户未来一个月可能的消费金额公式C用关联规则算法分析出购买了汽车坐垫的买家,是否适合推荐汽车脚垫D根据用户最近购...
一个月刷完机器学习笔试题300题（8）
第八天1、对于下图, 最好的主成分选择是多少 ?A7B30C35DCan’t Say正确答案是： B主成分选择使variance越大越好， 在这个前提下， 主成分越少越好。2、数据科学家可能会同时使用多个算法（模型）进行预测， 并且最后把这些算法的结果集成起来进行最后的预测（集成学习），以下对集成学...
机器学习中 如何使用 Pycharm 将代码上传到远程服务器上
现在机器学习可谓是最火热的一门学科，很多程序猿们或多或少的都有接触过这方面的经历。如果你对这领域还算有些了解的话，肯定知道模型的训练，是机器学习中最耗时，也是最关键的地方。模型的好坏，将直接决定最终的应用效果。 如果拿自己普通的电脑配置来训练模型的话，效率会很低，而且限于电...
C#开源跨平台机器学习框架ML.NET----介绍与环境搭建
ML.NET教程和API：https://docs.microsoft.com/zh-cn/dotnet/machine-learning/现在学习机器学习这块时，基本上都是要先学习Python，还要自己去学习更多的样本数据教程，这样对于使用C＃学习机器学习的基础并不容易，于是微软推出了ML.NET...
吴恩达机器学习课后作业第一周ex1答案详解
吴恩达机器学习ex1前言：此次机器学习是本人第一次接触matlab 所以以下的代码中会有对于一些matlab函数的解释ex1_m:Par1：图中部分命令解释：pause：表示程序执行到此处时停止，用于按任意键可以继续执行上图函数 warmUpExercise() 函数表示求出一个 5 x 5 的单位...
机器学习（五）——正规化
目录 一、前言二、过拟合三、代价函数：四、线性回归正则化1、梯度下降 2、正规方程五、Logistic回归正规化 一、前言吴恩达机器学习第八章——正规化 笔记所有图片与例子均来自吴恩达视频课 二、过拟合 欠拟合：指模型学习较弱，而数据复杂度较高的情况，此时模型由于学习能力不足，无法学习到数据集中的“...
机器学习算法（二）：因子分解机FM算法（Factorization Machine）
目录 1 背景2 FM原理1 背景Steffen Rendle于2010年提出Factorization Machines（下面简称FM），并发布开源工具libFM。FM的提出主要对比对象是SVM，与SVM相比，有如下几个优势 （1）对于输入数据是非常稀疏（比如自动推荐系统），FM可以，而SVM会效...