我们首先来看看原始数据具体代码与原始数据可以在我的GitHub中git clone一下学习代码与数据github地址共26663条数据此次分析是想对根据客户的购买情况对客户进行细分分析用户的购买消费行为首先读取csvimport pandas as pd#import numpy as nptrad_flow = pd.read_csv('./购买情况.csv', encodi...

这次使用决策树对信用进行评级数据源与上两篇博文相同数据挖掘实例——信用评级机器学习实例——信用评级全流程实现详细代码与数据可以访问下面的GitHub地址GitHub地址读取数据import pandas as pdimport numpy as npchurn = pd.read_csv('telecom_churn.csv')# 读取已经整理好的数据churn.head(...

KNN方法的简单描述：KNN方法用于分类，其基本思想如下。我们已经有一些已知类型的数据，暂称其为训练集。当一个新数据（暂称其为测试集）进入的时候，开始跟训练集数据中的每个数据点求距离，挑选与这个训练数据集中最近的K个点看这些点属于什么类型，用少数服从多数的方法将测试数据归类。KNN实战案例这里我们选取一个150*5的矩阵，分别代表三类数据。每行的前四个值代表数据的特征，第五个值代表数据的类别。..

上篇博文我们自己训练了一个ANN这次我们用ANN来对客户流失数据进行建模与预测相关代码与源文件可以从我的GitHub地址获取https://github.com/liuzuoping/Deep_Learning_note读取客户流失数据import pandasdf = pandas.read_csv('../data/customer_churn.csv', index_col=0,...

文章目录逻辑回归优缺点sigmoid 函数逻辑回归模型的数学推导Python 实现逻辑回归定义模型参数初始化函数：模型主体部分定义基于梯度下降的参数更新训练过程：定义对测试数据的预测函数：模型训练和测试：对数据进行简单的训练集与测试集的划分：对训练集进行训练并对测试集数据进行预测：对训练集和测试集的准确率进行评估：绘制模型决策边界的图形函数对训练结果进行可视化展示：使用一个 python 类进行逻

前面我们学习了数据预处理与特征工程文章目录1.机器学习模型概述2.传统机器学习模型（单模型）3.集成与提升模型（boosting）4.sklearn5.机器学习调参6. GBDT/XGBoost/lightGBMXGBoostlightGBM1.机器学习模型概述模型与算法模型：一类问题的解题步骤，即一类问题的算法。算法：能够解决特定问题的无歧义、机械、有效的运算流程和规则。机器...

上篇博文我们对机器学习有了大致的了解https://blog.csdn.net/liuzuoping/article/details/103335958现在我们来看看实际的招聘数据建模招聘数据的建模：GBDTimport pandas as pdimport numpy as npdf = pd.read_csv('./lagou_featured.csv', encoding='g...

文章目录感知机实现原理感知机python代码实现准备数据取数据并且定义初始化与sign函数训练结果可视化perceptron类封装感知机是二类分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1和-1二值。感知机对应于输入空间（特征空间）中将实例划分为正负两类的分离超平面，属于判别模型。感知机学习旨在求出将训练数据进行线性划分的分离超平面，为此，导入基于误分类的损失函数，利用梯度.

五子棋游戏相信大部分人都玩过，今天我们用python来实现一次具体代码可以访问我的GitHub地址获取https://github.com/liuzuoping/python_Games构建五子棋棋盘from collections import namedtupleChessman = namedtuple('Chessman', 'Name Value Color')Point ...

这次使用决策树对信用进行评级数据源与上两篇博文相同数据挖掘实例——信用评级机器学习实例——信用评级全流程实现详细代码与数据可以访问下面的GitHub地址GitHub地址读取数据import pandas as pdimport numpy as npchurn = pd.read_csv('telecom_churn.csv')# 读取已经整理好的数据churn.head(...