官方位址
中文文件位址
安裝stick-learn
windows：pip install stick-learn
mac：pip3 install stick-learn
鳶尾花分類（stick-learn自帶資料）
from sklearn import datasets
#直接load_iris()即可獲取自帶資料
iris=datasets.load_iris()
利用pyecharts的3d散點圖檢視
#自行利用最新的pyecharts方法
linearsvc是svm的一種
from sklearn import svm
from sklearn.model_selection import train_test_split
x=iris.data
y=iris.target
x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.3,random_state=0)
#train_test_split可以將資料分為兩個部分，一部分為train：訓練用資料，一部分為test：測試用資料
#test_size可以調節訓練和測試資料比例,random_state可以確保切分狀態一致
資料訓練
建立乙個linearsvc分類器
clf=svm.linearsvc() #建立分類器/回歸器等
clf.fit(x_train,y_train) #***.fit(訓練資料輸入值，對應的正確結果) ***.predict(待檢測資料輸入值)
模型得分
print(『得分:{}』.format(clf.score(x_test,t_test))) #得分=正確數量/資料總數
利用模型**
y_predict=clf.predict(x_test)
波士頓房價**任務
#stick-learn自帶資料，總共506個資料，共有13個屬性，需要**房價
boston=datasets.load_boston() #獲取資料
print(boston.descr) #獲取資料說明
繪製散點圖直觀**
匯入模組
from sklearn import linear_model
建立回歸器並訓練
lasso=linear_model.lasso()
lasso.fit(x_train,y_train)
引入均方差
from sklearn.metrics import mean_squared_error
mse=mean_squared_error(y_test,lasso.predict(x_test))
score=lasso.score(x_test,y_test)
print(『mse:{}』.format(mse))
print(『score:{}』.format(score))
機器學習 初識機器學習
1.什麼是機器學習？對於機器學習到現在都還沒有統一的定義，但是，通過乙個例子和較權威的定義來理解機器學習，最後附上我個人對機器學習的理解 2.監督學習 1 監督學習基本思想 我們資料集中的每個樣本都有相應的 正確答案 即每個樣本都是真實值，再根據這些樣本作出 舉乙個房價預售的例子來說明 eg 下面圖...
機器學習 機器學習目錄
注 後期有時間的話會對每乙個演算法進行講解。1 普通線性回歸 2 廣義線性模型 3 邏輯回歸 4 線性判定分析1 決策樹基本原理與構建 2 cart演算法 3 回歸決策樹 4 分類決策樹1 貝葉斯定理與樸素貝葉斯 2 高斯貝葉斯分類器 3 多項式貝葉斯分類器 4 伯努利貝葉斯分類器 5 遞增式學習1...
機器學習一 機器學習概要
回歸 是指把實函式在樣本點附近加以近似的有監督的模式識別問題。對乙個或多個自變數和因變數之間關係進行建模，求解的一種統計方法。分類 是指對於指定的模式進行識別的有監督的模式識別問題。異常檢測 是指尋找輸入樣本ni 1i 1 n中所包含的異常資料的問題。常採用密度估計的方法 正常資料為靠近密度中心的資...