Python笔记——linux/ubuntu下安装mamba，安装bob.learn库
Python笔记——linux/ubuntu下安装mamba，安装bob.learn库 一、安装/卸载anaconda二、安装mamba1. 命令行安装（大坑，不推荐）2. 命令行下载guihub上的安装包并安装（推荐）3. 网站下载安装包并安装（也不错） 三、安装bob.math和bob.learn库小坑 有个实验需要使用bob库，windows装不上，只能在linux/ubuntu装，坑太多了，记录一...
阅读论文：Deep Learning for Sensor-based Activity Recognition: A Survey
一、论文题目：Deep Learning for Sensor-based Activity Recognition: A Survey 1.常用词汇和表述： 常用词汇： 传感器(sensor)深度学习 (deep learning)活动识别 (activity recognition)数据收集 (data collection)数据预处理 (data preprocessing)特征提取 (featur...
掌握 Scikit-Learn: Python 中的机器学习库入门
机器学习 第二课 Sklearn 入门 概述机器学习与 Python 的完美结合Scikit-Learn 的核心组件与结构安装与配置验证安装 数据表示与预处理特征矩阵和目标向量数据处理 估计器模型的选择思考问题的本质研究数据的分布判断任务的复杂性分类问题回归问题 监督学习分类算法回归算法 无监督学习模型的评估训练集和验证集分类模型评估回归模型评估 特征工程特征选择特征提取 概述 机器学习 (Machine...
Sklearn 聚类算法的性能评估
聚类算法的性能评估是什么？ 聚类是无监督学习的一种常用技术，用于将相似的数据点分组在一起。然而在实施聚类算法后，一个关键的问题便是如何评估其性能或质量。由于聚类是无监督的，因此评估其性能相对更为复杂。本文将探讨多种用于评估聚类性能的指标，包括肘部法则、轮廓系数、Davies–Bouldin指数、Calinski-Harabasz指数、Fowlkes-Mallows指数、Rand指数、Jaccard系数和调...
强化学习案例复现（1）--- MountainCar基于Q-learning
ards) 1.2 自行搭建（建议用该方法） 按照下文搭建MountainCar环境 往期文章：强化学习实践（三）基于gym搭建自己的环境（在gym0.26.2可运行）-CSDN博客 2.基于Q-learning的模型训练 import gymimport numpy as np env = gym.make("GridWorld-v0") # Q-Learning settingsLEARNING...
Python案例｜使用Scikit-learn进行房屋租金回归分析
_model模块用于构建线性模型。代码如下。 import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom sklearn.preprocessing import LabelEncoderfrom sklearn.model selection import train test splitfrom sklearn i...
手刻 Deep Learning -第壹章-PyTorch入门教学-基础概念与再探线性回归
拥有 Numpy 使用经验 如果手边没有环境，可以使用 Google Colab （ Google 已经帮各位安装好许多常用的套件 ） 二、选择 PyTorch的理由 Machine Learning / Deep Learning 有许多 Framework 可以使用，其中 Keras （Tensorflow） 与 PyTorch 本人都有使用经验，但如果想要研究与了解 Deep Lear...
sklearn包中对于分类问题，如何计算accuracy和roc_auc_score？
1. 基础条件 import numpy as npfrom sklearn import metrics y_true = np.array([1, 7, 4, 6, 3])y_prediction = np.array([3, 7, 4, 6, 3]) 2. accuracy_score计算 acc = metrics.accuracy_score(y_true, y_prediction) 这个...
一文学会sklearn中的交叉验证的方法
old cross-validation）就是其中一种常用的模型评估方法，用于评估机器学习模型的性能和泛化能力。 在本文中，我们将介绍五折交叉验证的原理和实现方法，并探讨其在模型评估中的重要性。 sklearn实现交叉验证 数据集使用sklearn中常见的多分类数据，iris数据集。以下是导入库和数据的示例代码： from sklearn import svm, datasetsfrom sklearn....
scikit-learn（sklearn）库中的网格搜索（Grid Search）自动化的方法来搜索最佳参数组合
学习中，调参是一个非常重要的步骤，它可以帮助我们找到最优的模型参数，从而提高模型的性能。然而，手动调参是一项繁琐且耗时的工作，因此，我们需要一种自动化的方法来搜索最佳参数组合。在这方面，scikit-learn（sklearn）库中的网格搜索（Grid Search）功能为我们提供了一个便捷的解决方案。 网格搜索是一种通过遍历给定的参数组合来寻找最佳参数的方法。它的基本思想是将参数空间划分为一个个网格，然后...