先决条件：K均值聚类中K的最优值 K均值是最流行的聚类算法之一, 主要是因为其良好的时间性能。随着所分析的数据集大小的增加, K均值的计算时间增加了, 因为它需要在主存储器中存储整个数据集。由于这个原...
Python
Python
Python
ML算法：基于动量的梯度优化器介绍
梯度下降 是机器学习框架中用于训练不同模型的一种优化技术。训练过程由目标函数(或误差函数)组成, 该函数确定机器学习模型在给定数据集上的误差。 在训练时, 该算法的参数被初始化为随机值。随着算法的迭代...
Python
ML算法：使用Python进行多元线性回归
线性回归： 它是预测分析的基本类型和常用类型。这是一种统计方法, 用于对因变量和给定的一组自变量之间的关系进行建模。 有两种类型： 简单线性回归 多元线性回归 让我们讨论使用Python进行多元线性回...
Python
ML算法：Python中数据集的一种热编码
有时在数据集中, 我们会遇到包含没有特定优先顺序的数字的列。列中的数据通常表示类别或类别的值, 并且在列中的数据经过标签编码时也是如此。这会混淆机器学习模型, 为避免这种情况, 列中的数据应进行一次热...
Python
ML算法：OPTICS聚类说明详细指南
先决条件： DBSCAN集群 OPTICS Clustering代表确定集群结构的订购点。它从DBSCAN聚类算法中获得启发。它为DBSCAN群集的概念增加了两个术语。他们是：- 核心距离：这是将给定...
Python
ML算法：使用Sklearn实现OPTICS聚类
先决条件：OPTICS群集 本文将演示如何在Python中使用Sklearn实现OPTICS聚类技术。用于演示的数据集是商城客户细分数据可以从以下位置下载卡格勒. 步骤1：导入所需的库 import ...
Python
ML算法：主成分分析（PCA）详细指南
主成分分析(PCA)是一种使用正交变换的统计过程, 该正交变换将一组相关变量转换为一组不相关变量。 PCA是探索性数据分析和预测模型的机器学习中使用最广泛的工具。此外, PCA是一种无监督的统计技术,...
Python
ML强化学习算法：使用Q学习的Python实现
先决条件：Q学习技术. 强化学习是一种机器学习示例, 其中的学习算法不是基于预设数据而是基于反馈系统来训练的。这些算法被吹捧为机器学习的未来, 因为它们消除了收集和清理数据的成本。 在本文中, 我们将...
Python
ML算法：随机梯度下降（SGD）介绍
什么是梯度下降？ 在解释随机梯度下降(SGD)之前, 让我们首先描述什么是梯度下降。梯度下降是机器学习和深度学习中一种流行的优化技术, 它可以与大多数(如果不是全部)学习算法一起使用。梯度是函数的斜率...
Python
ML：T分布随机邻居嵌入（t-SNE）算法
T分布随机邻居嵌入(t-SNE)是一种非线性降维技术, 非常适合在二维或三维的低维空间中嵌入高维数据以进行可视化。 什么是降维？ 降维是一种表示2维或3维n维数据(具有许多特征的多维数据)的技术。 降...
