99AV视频在线,超碰夜夜操

《零基礎(chǔ)學(xué)機器學(xué)習(xí)》

作者：黃佳
出版社：人民郵電出版社
出版日期：2020年12月

1.1 機器學(xué)習(xí)的家族圖譜

主要包括機器學(xué)習(xí)快速上手路徑、數(shù)學(xué)和Python 基礎(chǔ)知識、機器學(xué)習(xí)基礎(chǔ)算法（線性回歸和邏輯回歸）、深度神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、經(jīng)典算法、集成學(xué)習(xí)、無監(jiān)督和半監(jiān)督等非監(jiān)督學(xué)習(xí)類型、強化學(xué)習(xí)實戰(zhàn)等內(nèi)容，以及相關(guān)實戰(zhàn)案例。

所有案例均通過Python及Scikit-learn 機器學(xué)習(xí)庫和Keras 深度學(xué)習(xí)框架實現(xiàn)，同時還包含豐富的數(shù)據(jù)分析和數(shù)據(jù)可視化內(nèi)容。

1.2 快捷的云實戰(zhàn)模式

加州房價數(shù)據(jù)分析：

import pandas as pd #導(dǎo)入Pandas，用于數(shù)據(jù)讀取和處理
# 讀入房價數(shù)據(jù)，示例代碼中的文件地址為internet鏈接，讀者也可以下載該文件到本機進行讀取
# 如，當(dāng)數(shù)據(jù)集和代碼文件位于相同本地目錄，路徑名應(yīng)為"./house.csv"，或直接放"house.csv"亦可
df_housing = pd.read_csv("https://raw.githubusercontent.com/huangjia2019/house/master/house.csv") 
df_housing.head #顯示加州房價數(shù)據(jù)

X = df_housing.drop("median_house_value",axis = 1) #構(gòu)建特征集X
y = df_housing.median_house_value #構(gòu)建標(biāo)簽集y

from sklearn.model_selection import train_test_split #導(dǎo)入數(shù)據(jù)集拆分工具
X_train, X_test, y_train, y_test = train_test_split(X, y, 
         test_size=0.2, random_state=0) #以80%/20%的比例進行數(shù)據(jù)集的拆分

from sklearn.linear_model import LinearRegression #導(dǎo)入線性回歸算法模型
model = LinearRegression() #使用線性回歸算法
model.fit(X_train, y_train) #用訓(xùn)練集數(shù)據(jù)，訓(xùn)練機器，擬合函數(shù)，確定參數(shù)

y_pred = model.predict(X_test) #預(yù)測測試集的Y值
print ('房價的真值(測試集)',y_test)
print ('預(yù)測的房價(測試集)',y_pred)

print("給預(yù)測評分：", model.score(X_test, y_test)) #評估預(yù)測結(jié)果

import matplotlib.pyplot as plt #導(dǎo)入matplotlib畫圖庫
#用散點圖顯示家庭收入中位數(shù)和房價中位數(shù)的分布
plt.scatter(X_test.median_income, y_test,  color='brown')
#畫出回歸函數(shù)(從特征到預(yù)測標(biāo)簽)
plt.plot(X_test.median_income, y_pred, color='green', linewidth=1)
plt.xlabel('家庭收入中位數(shù)') #X軸-家庭收入中位數(shù)
plt.ylabel('房價中位數(shù)') #Y軸-房價中位數(shù)
plt.show() #顯示房價分布和機器習(xí)得的函數(shù)圖形