第七色在线视频,2021少妇久久久久久久久久,亚洲欧洲精品成人久久av18,亚洲国产精品特色大片观看完整版,孙宇晨将参加特朗普的晚宴

模型評(píng)估

#模型訓(xùn)練之全數(shù)據(jù)集

from sklearn.neighbors import KNeighborsClassifier

knn_1 = KNeighborsClassifier(n_neighbors=1)

knn_1.fit(X,y)

y1_pre = knn_1.predict(X)

print(y1_pre.shape)

#模型評(píng)估之準(zhǔn)確率

from sklearn.metrics import accuracy_score

print(accuracy_score(y,y1_pre))

sklearn建模四步驟

調(diào)用需要使用的模型類(lèi)

模型初始化（創(chuàng)建一個(gè)實(shí)例）

模型訓(xùn)練

模型預(yù)測(cè)

from sklearn import datasets

iris = datasets.load_iris()

X = iris.data

y = iris.target

print(X.shape)

print(y.shape)

knn_1 = KNeighborsClassifier(n_neighbors=1)

knn_1.fit(X,y)

?knn_1.predict([[1,2,3,4]])

1. iris數(shù)據(jù)加載

   from sklearn import datasets

   iris = datasets.load_iris()

2. 數(shù)據(jù)展示

   iris.data

   iris.feature_name

   iris.target

   iris.target_name

3. 確認(rèn)數(shù)據(jù)類(lèi)型與數(shù)據(jù)維度

   print(type(iris.data))

   print(type(iris.target))

   print(iris.data.shape)

   print(iris.target.shape
   

1. 裝python,記得勾選add to path

2. 安裝anaconda

3. 在anaconda中新建開(kāi)發(fā)環(huán)境并安裝numpy,sklearn

   1)conda create -n sklearn

   2)conda install numpy

   3)conda install scikit-learn

4. 在新開(kāi)發(fā)環(huán)境中安裝jupyter notebook并優(yōu)化界面(使用github中的一個(gè)開(kāi)源庫(kù)）

安裝python記得勾選add ?to path,不然后面要自己改環(huán)境變量

jupyter notebook的特點(diǎn)

sklearn針對(duì)機(jī)器學(xué)習(xí)一款開(kāi)源框架

機(jī)器學(xué)習(xí)的主要類(lèi)別：

監(jiān)督式學(xué)習(xí)（有標(biāo)簽數(shù)據(jù)，數(shù)據(jù)有對(duì)應(yīng)的正確答案，比如垃圾郵件你檢測(cè)）

非監(jiān)督式學(xué)習(xí)（有一種優(yōu)化準(zhǔn)則，一般是自動(dòng)聚類(lèi)，自動(dòng)推薦）

強(qiáng)化學(xué)習(xí)

人工智能，機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的關(guān)系

機(jī)器學(xué)習(xí)是實(shí)現(xiàn)人工智能的一種方法

深度學(xué)習(xí)是實(shí)現(xiàn)機(jī)器學(xué)習(xí)的一種技術(shù)

此處還需要一個(gè)通俗的額例子

#在一定范圍內(nèi)尋求最優(yōu)解

k_range = list(range(1,26))

#print(k_range)

scores_train = []

scores_test = []

for k in k_range:

? ? knn = KNeighborsClassifier(n_neighbors=k)

? ? knn.fit(X_train,y_train)

? ? y_train_pred = knn.predict(X_train)

? ? y_test_pred = knn.predict(X_test)

? ? scores_train.append(accuracy_score(y_train,y_train_pred))?

? ? scores_test.append(accuracy_score(y_test,y_test_pred))

? ??

for k in k_range:

? ? print(k,scores_train[k-1])

數(shù)據(jù)分離

from sklearn.model_selection import train_test_split

X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.5)

import matplotlib.pyplot as plt

#在該界面展示

%matplotlib inline

plt.plot(k_range,score_train)

plt.xlabe('K(KNN mode)')

plt.ylable('Training Accuracy')

K越小復(fù)雜度越高，所以K=1時(shí)訓(xùn)練集的準(zhǔn)確率是1

開(kāi)發(fā)環(huán)境部署

機(jī)器學(xué)習(xí)的基本原理

機(jī)器學(xué)習(xí)的基本原理