qq_35153620的博客

目标：实现无监督的数据降维，并根据降维信息实现KNN分类 内容： 1.自编码器降维 自编码器是为使神经网络学习数据原始特征，将高维数据特征用低维数据特征表示，是一种无监督的表征学习方法。 其包含编码器部分和解码器部分，编码器负责学习数据的低维嵌入特征，解码器负责将编码学习到的低维特征重新构建回原始数据特征，俩者就好像数据通信的编码和解码过程。 自编码器一般使用MSE损失函数，使重构建的特...

跟着github上的Avik-Jain学习机器学习： https://github.com/Avik-Jain/100-Days-Of-ML-Code Day1：初步认识机器学习程序实现方法 学习任务： 加载机器学习常用的库numpy和pandas还有sklearn，学会读取csv文件，csv类的基本操作 数据预处理的基本操作，数据集分割 1.加载机器学习库，读取csv文件及其基本操作...

跟着github上的Avik-Jain学习机器学习： https://github.com/Avik-Jain/100-Days-Of-ML-Code Day3：多值线性回归预测模型 学习任务： 获取数据，对数据预处理(编码)，分割数据集 创建线性回归模型，学习并预测 1.数据处理 #imports library and read data import pandas as pd...

使用python的numpy模块实现逻辑回归模型的代码 使用了numpy模块，pandas模块，matplotlib模块 1.初始化参数 def initial_para(nums_feature): """initial the weights and bias which is zero""" #nums_feature是输入数据的属性数目，因此权重w是[1, nums...

跟着github上的Avik-Jain学习机器学习： https://github.com/Avik-Jain/100-Days-Of-ML-Code Day4-6:逻辑回归模型及其数据可视化 1.读取数据集： 根据消费者的年龄和收入，预测其是否会在4s点买车 """ File: logisticsregression.py """ import pandas as pd import...