【代码】【leetcode】1716. 计算力扣银行的钱（js实现）

1. 数据集特征值目标值共569个样本，30维特征。2.代码实现2.1 未调参时的代码及结果# 获取数据集data = load_breast_cancer()# 建模rfc = RandomForestClassifier(n_estimators=100, random_state=90) # 交叉验证rfc_score = cross_val_score(rfc, data.data, da

【机器学习实战】对加州住房价格数据集进行回归预测（线性回归、决策树、随机森林）

【代码】【机器学习实战】分类算法评估之ROC曲线绘制（多模型对比）

前言：我的问题是这样的，在b站跟着博主一起在Anaconda环境下安装gpu版本的pytorch，步骤都是一样，但是最后利用torch.cuda.is_available()验证的时候，返回值一直都是False。在虚拟环境中利用conda list 查看已下载的pytorch的信息，显示的是cpu版本的，这样安装卸载几个来回，终于在csdn上找到了答案，问题已经成功解决。我参考的文章地址是：Pyt

1. 数据集数据下载地址：https://archive.ics.uci.edu/ml/machine-learning-databases/数据描述（1）699条样本，共11列数据，第一列用语检索的id，后9列分别是与肿瘤相关的医学特征，最后一列表示肿瘤类型的数值。（2）包含16个缺失值，用”?”标出。2.分析——实现步骤获取数据（读取的时候加上names）数据处理（缺失值）数据集划分特征工程（

4.2 数据标准化后

1. 数据集2. 实现2.1 代码from sklearn.datasets import fetch_20newsgroupsfrom sklearn.model_selection import train_test_splitfrom sklearn.feature_extraction.text import TfidfVectorizerfrom sklearn.naive_bayes

共有30个特征。代码；发现结果一直停在线性函数不动，因为poly作为核函数，要花费很长时间。将poly核函数去掉，结果：如果数据是线性的，那如果我们把degree参数调整为1，多项式核函数应该也可以得到不错的结果：就从框出来的那个地方看，就能看出来数据量钢化差别太大，所以要进行数据标准化。对数据进行标准化以后，再查看数据的分布：结果：可以见到，在rbf作为核函数的结果中精确度已经提高了，跟line

1. 数据集 —— 波士顿房价给定的这些特征，是专家们得出的影响房价的结果属性。我们此阶段不需要自己去探究特征是否有用，只需要使用这些特征。到后面量化很多特征需要我们自己去寻找2. 实现2.1 代码from sklearn.datasets import load_bostonfrom sklearn.model_selection import train_test_splitfrom skle