建局域网网站,网页设计尺寸1920,有谁知道哪个网址,python手机编程软件我的主业是互联网运营#xff0c;业余的python爱好者#xff0c;学习python已经快两年#xff0c;主攻网络爬虫与数据分析#xff0c;爬虫能使用代理ip、打码平台、OCR识别、基本的js逆向处理反爬#xff1b;数据分析主要使用pandas与pyecharts进行可视化#xff0c;我的…我的主业是互联网运营业余的python爱好者学习python已经快两年主攻网络爬虫与数据分析爬虫能使用代理ip、打码平台、OCR识别、基本的js逆向处理反爬数据分析主要使用pandas与pyecharts进行可视化我的部分案例但数据存在的终极意义也许并非在最后的可视化而在于利用大数据进行预测为运营决策提供帮助因此萌生学习机器学习的念头我会在此记录我学习sklearn的整个过程用自己的理解与思路进行记录希望能帮到和我一样的小白也给自己做个备忘录。我会在公众号新青年TALKS同步更新。机器学习简介[1]机器学习是人工智能的一个分支。人工智能的研究历史有着一条从以“推理”为重点到以“知识”为重点再到以“学习”为重点的自然、清晰的脉络。显然机器学习是实现人工智能的一个途径即以机器学习为手段解决人工智能中的问题。机器学习在近30多年已发展为一门多领域交叉学科涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论机器学习与推断统计学联系尤为密切也被称为统计学习理论。算法设计方面机器学习理论关注可以实现的行之有效的学习算法。很多推论问题属于无程序可循难度所以部分的机器学习研究是开发容易处理的近似算法。sklearn简介scikit-learn 是基于 Python 语言的机器学习工具[2]简单高效的数据挖掘和数据分析工具可供大家在各种环境中重复使用建立在 NumPy SciPy 和 matplotlib 上开源可商业使用 - BSD许可证学习理论监督学习就是给机器一堆数据并告诉它这堆数据对应的准确结果让它学会自己分辨。比如一堆猫和狗的照片给机器告诉它哪些是猫哪些是狗下次有新的图片时就能自己分辨出来。非监督学习只给数据不给结果比如一堆猫和狗的照片给机器不告诉他哪些是猫哪些是狗但它自己会分为A类和B类下次有新照片会自动分类。安装sklearnpip install -U scikit-learnsklearn官方案例鸢尾花官方提供了初学者使用的鸢尾花数据先看数据长什么样from sklearn import datasets # 引入数据print(datasets.load_iris())# 查看数据集主要分为两个部分data和target都是ndarray类型data是特征变量target是目标值。简单来说data是不同鸢尾花类型的特征花瓣长度宽度啥的target是类型的分类0是一类1是一类2是一类。所以这个案例是给机器一堆特征值告诉它对应的目标值然后测试学习结果。这是一种监督学习。下面需要在整个数据集里分出训练集和测试集sklearn有自己的方法下面默认已经执行上面的步骤from sklearn.model_selection import train_test_split #将数据分为测试集和训练集
iris datasets.load_iris() #引入iris鸢尾花数据
iris_x iris.data #特征变量
iris_y iris.target #目标值
x_train,x_test,y_train,y_testtrain_test_split(iris_x,iris_y,test_size0.3) #利用train_test_split进行将训练集和测试集进行分开test_size占30%随后建议你自己分别打印x_train特征变量训练数据,x_test特征变量测试数据,y_train目标值训练数据,y_test目标值测试数据看下结果。下面将训练集数据交给机器from sklearn.neighbors import KNeighborsClassifier
knn KNeighborsClassifier() #引入训练方法这是种分类学习方法称为k近邻分类
knn.fit(x_train,y_train) #进行填充测试数据进行训练因为是个入门案例我只需要知道KNeighborsClassifier这个东西是一种训练模型能进行分类训练fit方法是将特征值和其对于的目标值放一起训练。其他模型或原理也许后面会学到。经过以上步骤机器已经学会分类下面进行测试print(knn.predict(x_test))查看真实目标值print(y_test)会发现只有一处不同。据说弄懂这个案例就是机器学习入门了说实话我觉得我行了。我已经开始学习特征工程就是将能够影响结果的因素进行特征化因为机器只认识数字不认识文字特征工程是影响机器学习最终预测结果的重要因素根据费曼学习法我会在自认为学的差不多时再更新找到自己的不足。参考^https://zh.wikipedia.org/wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0^http://scikitlearn.com.cn/
