scikit-learn标签_码道开发者社区

scikit-learn

手撕统计机器学习 - 岭回归、感知机

本文介绍了统计机器学习中的岭回归和感知机方法。岭回归通过引入L2范数惩罚项解决了线性回归中多重共线性导致的矩阵不可逆问题，推导了其闭式解。感知机则是一种线性分类器，通过定义误分类点距离损失函数，并采用随机梯度下降进行优化。文章详细阐述了两种方法的数学原理、损失函数设计及优化过程，特别强调了岭回归中惩罚参数λ的作用和感知机中损失函数的推导思路。

xzqbear
2025-09-07 17:51:51

 774

 12

#机器学习 #线性回归 #numpy +1
【机器学习】7 个基于 Scikit-learn 的交叉验证优化技巧

在验证机器学习模型时，需要在未见过的数据上进行严格测试，以确保其性能评估的稳健性和无偏性。其中最成熟的验证方法之一是交叉验证（cross-validation），它将数据集划分为若干个子集（称为折叠 folds），并在其中一部分上进行训练，同时在剩余部分上进行测试，迭代进行。虽然 scikit-learn 提供了标准组件和函数来执行传统方式的交叉验证，但仍有一些额外技巧可以让整个过程更高效、更有洞

 秋说
2025-09-09 16:28:35

 2766

 14

#机器学习 #scikit-learn #人工智能
机器学习实操项目03——Scikit-learn介绍及简单分类案例

Scikit-learn是Python核心机器学习库，提供六大功能模块：分类（如SVM、随机森林）、回归（如SVR、Lasso回归）、聚类（如K-means）、数据降维（如PCA）、模型选择（参数调优）和数据预处理（特征归一化）。通过鸢尾花数据集案例，演示了KNN分类器的完整使用流程，包括数据划分、模型训练（97.8%准确率）和预测验证。该库以算法丰富、接口统一著称，后续将结合具体任务展开实战应用

 君名余曰正则
2025-09-10 08:27:39

 841

 8

#机器学习 #scikit-learn #分类
Scikit-learn Python机器学习 - 分类算法 - 线性模型逻辑回归

Scikit-learn Python机器学习 - 分类算法 - 线性模型逻辑回归

 java1234_小锋
2025-09-10 10:30:06

 1204

 12

#python #机器学习 #scikit-learn
【机器学习】5 个 Scikit-learn Pipeline 技巧，让你的工作流程更高效

Pipeline 可能是 scikit-learn 中最被低估但同时最强大的功能之一，它能帮助构建高效、模块化的机器学习工作流。从数据准备、特征工程到建模、调优和验证，它简化了整个过程，同时降低数据泄漏风险，使代码更具可复现性，也更简洁易维护。在本文中，我们将通过简洁但偏中高级的用例，介绍并演示五个 pipeline 技巧，帮助你提升正在进行的机器学习项目。

秋说
2025-09-10 15:26:46

 2809

 10

#机器学习 #scikit-learn #人工智能
机器学习介绍

机器学习也借鉴了人类学习模式，分为有监督学习（如识别物体）、无监督学习（无监督学习就像是让计算机自己在一堆杂乱的数据里找规律、做分类，不需要人提前告诉它 “答案”。从定义看，对于给定任务 T，在合理性能度量方案 P 下，计算机程序可自主学习任务 T 的经验 E，且随着优质、大量经验 E 的积累，程序对任务 T 的性能会逐步提升。机器学习的运作，依赖计算机系统依据训练数据按特定方式学习，随着训练次数

 Strategic_3610256651
2025-09-11 12:46:35

 794

 19

#安全威胁分析 #人工智能 #机器学习 +2
手撕统计机器学习 - LASSO 变量选择

本文介绍了LASSO方法在高维小样本数据中的变量选择应用。文章首先阐述了高维小样本问题的背景和线性回归系数的解释意义，指出变量选择需要通过压缩不重要特征的系数来实现。针对直接阈值法的不足，既保证稀疏性又避免组合爆炸的计算复杂度。重点分析了正交设计下 LASSO 的解析解推导过程，得出软阈值解公式，并展示其几何意义——L1约束的顶点与椭圆等高线相切时产生稀疏解。

xzqbear
2025-09-11 21:46:50

 1195

 29

#机器学习 #人工智能 #线性回归 +3
小杰机器学习（six）——基于框架的线性回归——输入、定义前向模型、定义损失函数和优化器、迭代、显示、拟合图形。

有欲以观其妙，无欲以观其徼，此二者同出而异名。

jie*
2025-09-12 17:19:57

 635

 13

#机器学习 #线性回归 #人工智能 +4
小杰机器学习（seven）——PyTorch进行线性回归——模型定义、数据集加载、保存模型、加载模型、查看网络结构。

落日与晚风，尽情的相拥。

jie*
2025-09-13 08:43:09

 1193

 25

#机器学习 #pytorch #线性回归 +4
萌新的机器学习之路---kaggle泰坦尼克号

使用pandas读取文件使用seaborn查看连续数值数据分布可以看出SibSp、SibSp、Fare列数据分布不均，长尾效应明显，因此对这3列取对数处理。

m0_74325164
2025-09-14 22:22:38

 933

 16

#机器学习 #人工智能 #python +1
Scikit-learn Python机器学习 - 分类算法 - 决策树

Scikit-learn Python机器学习 - 分类算法 - 决策树

 java1234_小锋
2025-09-17 09:49:52

 1131

 23

#python #机器学习 #scikit-learn
Scikit-learn Python机器学习 - 分类算法 - 随机森林

Scikit-learn Python机器学习 - 分类算法 - 随机森林

 java1234_小锋
2025-09-17 10:26:05

 1186

 32

#python #机器学习 #scikit-learn
小杰机器学习高级（three）——逻辑回归、二分类算法

天接云涛连晓雾，星河欲转千帆舞。

jie*
2025-09-20 09:20:24

 704

 15

#机器学习 #逻辑回归 #分类 +4
小杰机器学习高级（four）——基于框架的逻辑回归

空山新雨后，天气晚来秋。明月松间照，清泉石上流。

jie*
2025-09-20 09:24:53

 1367

 21

#机器学习 #逻辑回归 #人工智能 +4
Scikit-learn：Python机器学习的瑞士军刀

Scikit-learn是Python中最受欢迎的机器学习库之一，它提供了简单易用的API和丰富的算法模块，包括监督学习（分类、回归）、无监督学习（聚类、降维）以及模型评估工具。该库适合初学者快速上手，文档详细且社区活跃，广泛应用于电商推荐、金融风控、医疗诊断等领域。使用Scikit-learn时需注意数据预处理、特征工程和避免常见错误（如数据泄露、过拟合）。虽然深度学习兴起，但Scikit-le

2501_93502106
2025-09-23 10:51:50

 789

 6

#python #机器学习 #scikit-learn +1
小杰机器学习（seven）——贝叶斯分类

明月松间照，清泉石上流。

jie*
2025-09-23 18:48:28

 1524

 24

#机器学习 #分类 #人工智能 +4
【⭐️机器学习学习笔记|代码】娘娘，是您吗？——SVM火眼金睛，终结后宫“脸盲症

本文通过一个趣味项目演示了SVM算法在后宫人物识别中的应用。作者使用自制的7人56张人脸数据集，首先导入必要的库（如SVC、PCA等），然后加载并预处理图像数据（灰度化、统一尺寸）。接着通过PCA降维处理（保留95%特征）减少像素特征，再使用带网格搜索的SVM进行训练调参。最后测试结果显示部分识别准确，但也存在错误案例。全文以甄嬛传为背景，用幽默的宫廷术语比喻技术概念，既展示了SVM的应用流程，又

 0.0001甜
2025-09-23 22:29:24

 925

 21

#支持向量机 #机器学习 #学习 +4
《机器学习实战：基于 Scikit-Learn、Keras 和 TensorFlow》（第三版）第一章练习题答案

一个被标记的训练数据集是指其中每个训练实例（或样本）都同时包含了：输入数据（特征，Features）：描述该实例的一组属性。期望输出（标签，Label 或目标，Target）：我们希望模型为该输入预测的正确结果。例如：在一个垃圾邮件分类器中，一个被标记的数据集包含成千上万封邮件。对于每一封邮件：**输入（特征）：**可能是邮件的发件人、标题、正文内容等。

Wonchuang
2025-09-24 23:48:18

 579

 6

#机器学习 #scikit-learn #keras
小杰深度学习（one）——感知向量机

湖光秋月两相和，潭面无风镜未磨。

jie*
2025-09-26 15:17:31

 1030

 36

#深度学习 #人工智能 #python +4
Scikit-learn Python机器学习 - 模型保存及加载

Scikit-learn Python机器学习 - 模型保存及加载

 java1234_小锋
2025-09-28 17:52:30

 356

 3

#python #机器学习 #scikit-learn
桌面预测类开发，桌面%性别，姓名预测%系统开发，基于python,scikit-learn机器学习算法(sklearn）实现，分类算法，CSV无数据库

这一个也是和信号识别的那个项目demo一样。桌面很常用的开发框架tkinter,在没有pyqt之前一直用着，帮客户修改一下代码。人工智能应用开发套路还是一样，从csv获取数据集，进行数据集清洗去重等操作，完成数据清洗就可以构造模型进行模型fit了，最后模型预测评估调优。

Strategic_3610256651
2025-09-30 17:56:06

 312

 3

#算法 #sklearn #scikit-learn +2
【机器学习】缺失值处理方法对比

本文聚焦数据预处理的关键环节——缺失值处理。如果处理不当，缺失数据会显著降低模型的准确性和可靠性。本文将介绍多种插补方法，并展示如何将其嵌入数据处理流水线中。通过这一方式，我们能够重新纳入先前被排除的特征，进一步提升预测精度，充分挖掘数据集的价值。

秋说
2025-09-30 18:32:06

 1231

 23

#机器学习 #人工智能 #scikit-learn
桌面预测类开发，桌面%雷达，信号预测%系统开发，基于python,tk,scikit-learn机器学习算法实现，桌面预支持向量机分类算法，CSV无数据库

桌面很常用的开发框架tkinter,在没有pyqt之前一直用着，帮客户修改一下代码。人工智能应用开发套路还是一样，从csv获取数据集，进行数据集清洗去重等操作，完成数据清洗就可以构造模型进行模型fit了，最后模型预测评估调优。

Strategic_3610256651
2025-09-30 18:01:19

 788

 22

#scikit-learn #支持向量机 #机器学习 +2
小杰深度学习（four）——神经网络可解释性、欠拟合、过拟合

忽如一夜春风来，千树万树梨花开。

jie*
2025-09-30 22:04:32

 1476

 46

#深度学习 #神经网络 #人工智能 +4
机器学习：逻辑回归

逻辑回归是一种用于分类的算法，通过sigmoid函数将线性回归结果映射为概率。它可处理二分类问题，也可通过多个分类器解决多分类任务。评估指标包括准确率、精确率、召回率、F1-Score、ROC曲线和AUC值等。实现方式上，既可用Sklearn的LogisticRegression模块，也可用PyTorch构建神经网络。其中PyTorch实现涉及定义网络结构、优化器和损失函数，训练后通过混淆矩阵和分

 深栈
2025-10-03 14:18:26

 1331

 17

#机器学习 #逻辑回归 #人工智能 +2
【机器学习】用 Scikit-Learn 与 Statsmodels 进行回归分析

本篇文章以 Ames 房屋数据集为例，展示了如何将机器学习与统计分析结合来进行回归任务。我们首先使用 Scikit-Learn 构建线性回归模型，通过训练-测试拆分评估模型在未知数据上的预测能力；随后借助 Statsmodels 对完整数据集进行统计建模，深入解析系数、P 值、置信区间及各类诊断指标。文章通过两种方法的对比，既展示了模型预测的实用性，也揭示了数据背后的统计规律，为理解与应用回归

 秋说
2025-10-09 10:02:08

 862

 29

#机器学习 #scikit-learn
Java编程在人工智能与大数据处理中的实战应用与创新解析

DL4J（DeepLearning4J）则是专门为Java设计的深度学习框架，支持分布式训练和与Hadoop、Spark的深度集成，使得在生产环境中部署神经网络模型成为可能。在实时数据处理领域，Java技术栈展现出卓越的性能。Docker容器化技术与Kubernetes编排平台的结合，使得基于Java的智能服务可以高效地在混合云环境中部署和管理，满足不同规模企业的需求。作为一门成熟稳定的编程语言，

在路上_ww
2025-10-12 15:12:26

 1362

 29

#scikit-learn
机器学习入门：无需数学，用Scikit-learn完成第一个项目

摘要：CodeCapsule推出机器学习入门指南，通过Scikit-learn实现首个项目。文章打破机器学习的神秘感，将其比作教儿童识别动物的过程，强调无需深厚数学基础即可入门。详细介绍了Scikit-learn的优势、环境配置步骤，并提供了完整的依赖包清单和验证脚本。教程包含一个"Hello World"示例，使用鸢尾花数据集演示数据加载、模型训练和评估全流程。文章还解析了机

 闲人编程
2025-10-14 10:06:05

 961

 26

#机器学习 #scikit-learn #人工智能 +1
TensorFlow从入门到精通，深度学习框架实战详解

接下来是模型的定义阶段。使用Keras的`Sequential`模型，可以像搭积木一样依次添加卷积层（Conv2D）、池化层（MaxPooling2D）、展平层（Flatten）和全连接层（Dense）。模型结构定义完成后，需要调用`compile`方法配置学习过程，指定所用的优化器（如`adam`）、损失函数（如分类任务常用的`sparse_categorical_crossentropy`）和

 lookenghua
2025-10-14 18:28:25

 498

 18

#scikit-learn
基于PyTorch的深度学习模型在自然语言处理任务中的实战应用与性能优化

此外，PyTorch提供了丰富的预训练模型和工具库，如Transformers库，极大地简化了自然语言处理任务的实现流程。近年来，深度学习技术，特别是基于PyTorch框架的模型，已经彻底改变了自然语言处理领域的面貌。随着PyTorch等框架的不断进化，以及新模型和新算法的出现，深度学习在自然语言处理中的应用将更加广泛和深入。基于PyTorch的深度学习模型可以通过迁移学习，利用通用领域的预训练模

 u010682093
2025-10-15 11:12:26

 979

 13

#scikit-learn
文本情感分类机器学习实战：从数据预处理到模型构建

导入数据文本预处理（分词、去停用词、词干提取）特征提取（TF-IDF）模型训练（朴素贝叶斯、逻辑回归、SVM）模型评估与应用通过这些步骤，大概可以构建一个情感分类系统，用于判断文本的情感倾向。由于本人能力有限，只用了200条数据来建模，处理和方法的应用有很多不到位的地方，以上代码运行下来的结果准确率不高，最高的是用朴素贝叶斯的，0.7左右，MAE值1.2左右。如果有错误或者可以改进的地方，欢迎指出

 Y. 492
2025-10-15 23:39:30

 589

 7

#分类 #数据挖掘 #人工智能 +3
基于python全国5A景区数据分析可视化平台热门旅游景点数据分析系统可视化 Django框架 scikit-learn机器学习大数据毕业设计✅

基于python全国5A景区数据分析可视化平台热门旅游景点数据分析系统可视化 Django框架 scikit-learn机器学习大数据毕业设计✅

vx_biyesheji0002
2025-10-15 22:44:58

 1049

 17

#python #机器学习 #数据分析 +4
大模型-7种大模型微调方法上

3、适配器调整（Adapter Tuning）4、前缀调整（Prefix Tuning）5、提示调整（Prompt Tuning）大模型-7种大模型微调方法上。

龙腾AI白云
2025-10-21 21:18:55

 319

 5

#scrapy #pyqt #scikit-learn