365bet体育在线网投

365bet体育在线网投

机器学习

作者:互联网 来源:小编 发布时间:2019-05-18 15:52

特征提取:这是前面2和3中提到的xi,并且提取可以表征该对象。
例如,您通常可以识别其他人的脸型,肤色,身高,体重等。
标记了这些功能,现在计算机识别出可以从纸张,形状,宽度和插槽中识别纸张。
到目前为止,我不会解释这些细节。我们下次再谈谈细节。
学习分类器:要查找具有特定特征的样本,只需将新特征与前面的相似特征进行比较,即可找到最可能的类别。我们说这个新样本属于这一类。
测试数据:当发现这个模型时,我们必须证明有些人在我们的生活中不能吹嘘。
并且因为他们中的一些人不说谎,我不能相信他们所说的,因为这些测试数据,测试结果越好,模型分类器就越好。
以下是代码的解释部分。为清楚起见,我们将以屏幕截图格式显示代码。最后,将数据集和源代码上传到百度云。我希望每个人都能玩得开心。
代码说明
这段代码无话可说,导入matplotlib,panda,sklearn这些包。
Python最强大的部分是你可以直接引用其他语言编写的代码包。事实上,Python作为一种脚本语言的执行速度非常慢,但它非常强大,就像数千英里之外的刘邦,因为它像其他粘合剂一样链接功能。
这就是为什么它也被称为粘合剂语言。
这段代码正在读火车。
CSV和测试。
CSV数据
然后上火车。
除了标识元素之外,csv的species元素用作标签元素,其他元素用作函数元素。
Y_test用作数据的原始标签,并与未来预测进行比较。
此代码将相邻k,svc,随机森林分类器的名称写入分类器列表,并等待稍后调用它。
我将在这里使用rbf内核。这是一个高斯核。
这里,for循环是调用列表中的分类器,然后输入adjust(),即训练。输入参数是一组特征和标签,每个44行,使用新学习的参数。获取x_text和预测值
接下来,将预测值与原始样本标签进行比较,找到正确的速率和损失值。
关于渲染结果,本段无话可说。
(二)结果分析
你可以看到随机森林和Grident Boot工作得更好。这种gridentboosting使用梯度下降算法使最终结果最佳。该算法是一种扮演诸葛亮的三恶魔算法。
但Adaboost算法立即将树木放在我的脸上,结果令人望而却步。我不知道原因。
我下次会继续进行实验验证。
我们来看看ACC和损失图。所有这些都与该模型的概率有关,与boast模式的类型无关。


365bet体育在线网投