朴素贝叶斯是经典的机器学习算法之一，也是为数不多的基于概率论的分类算法。朴素贝叶斯原理简单，也很容易实现，多用于文本分类，比如垃圾邮件过滤。该算法的优点在于简单易懂、学习效率高、在某些领域的分类问题中能够与决策树、神经网络相媲美。但由于该算法以自变量之间的独立（条件特征独立）性和连续变量的正态性假设为前提，就会导致算法...

      根据现有数据对分类边界线建立回归公式，以此进行分类，其核心是通过最优化算法寻找最佳回归系数（权重系数），主要应用于二分类。      二分类的特点是非此即彼，其数学特性符合单位阶跃函数，在...

由于knn算法涉及到距离的概念，KNN算法需要先进行归一化处理fromsklearn.preprocessingimportStandardScalerstandardScaler=StandardScaler()standardScaler.fit(X_train)X_train_standard=standardS...

KNN算法是一种基于实例的学习，或者是局部近似和将所有计算推迟到分类之后的惰性学习。用最近的邻居（k）来预测未知数据点。k值是预测精度的一个关键因素，无论是分类还是回归，衡量邻居的权重都非常有用，较近邻居的权重比较远邻居的权重大。KNN算法的缺点是对数据的局部结构非常敏感。计算量大，需要对数据进行规范化处理，使每个数据...

最基本的应用是数据分类，特别是对于非线性不可分数据集。支持向量机不仅能对非线性可分数据集进行分类，对于非线性不可分数据集的也可以分类（我认为这才是支持向量机的真正魅力所在，因为现实场景中，样本数据往往是非线性不可分的）。现实场景一：样本数据大部分是线性可分的，但是只是在样本中含有少量噪声或特异点，去掉这些噪声或特异点后...

回归分析（RegressionAnalysis）是统计学的数据分析方法，目的在于了解两个或多个变量间是否相关、相关方向与强度，并建立数学模型以便观察特定变量来预测其它变量的变化情况。线性回归算法（LinearRegression）的建模过程就是使用数据点来寻找最佳拟合线。公式，y=mx+c，其中y是因变量，x是自变量，...

　深度神经网络算法，是基于神经网络算法的一种拓展，其层数更深，达到多层，本文以简单神经网络为例，利用梯度下降算法进行反向更新来训练神经网络权重和偏向参数，文章最后，基于Python 库实现了一个简单神经网络算法程序，并对异或运算和0-9字符集进行预测。　　利用如下图像结构，通过训练集对其参数进行训练，当有新的...

Pandas的另一个优点是与Matplotlib的集成，可以直接绘制DataFrame和Series。注意：如没有安装Matplotlib，需首先安装：pipinstallmatplotlib。importmatplotlib.pyplotaspltplt.rcParams.update({'font.size':20...

与Python中的列表类似，可以使用for循环遍历DataFrame或Series，但是这样做(尤其是在大型数据集上)非常慢。Pandas中提供了一个高效的替代方案：apply()方法。语法DataFrame.apply(func)Series.apply(func)func –要对数据集中所有元...

有时需要根据条件，访问DataFrame中的数据。例如，找出电影数据集中，某个导演的电影：#加载数据movies_df=pd.read_csv("IMDB-Movie-Data.csv",index_col="Title")movies_df.columns=['rank','genre','description',...

访问行数据，有两个方法:.loc –使用索引名定位.iloc –使用索引序号定位示例中的数据以电影名作为索引：#加载数据movies_df=pd.read_csv("IMDB-Movie-Data.csv",index_col="Title")movies_df.column...

访问DataFrame中的Series，可以使用DataFrame['列名']方式。#加载数据movies_df=pd.read_csv("IMDB-Movie-Data.csv",index_col="Title")movies_df.columns=['rank','genre','description','di...

在整个DataFrame上使用describe()，我们可以得到一个统计结果:importpandasaspd#加载数据movies_df=pd.read_csv("IMDB-Movie-Data.csv",index_col="Title")movies_df.columns=['rank','genre','des...

除了删除空值，还有一种处理空值的方法是填充(Imputation)。让我们看看在revenue_millions列中填充缺失的值。首先，将该列提取到变量中:revenue=movies_df['revenue_millions']使用DataFrame['列名']可以获取1列数据，即一个Series。可以使用head查...

数据集中通常会包含null值或空值，对于空值的处理有2种方式：删除带有null的行或列用非空值填充null项要处理数据集中的null值，首先要找出DataFrame中的哪些单元格是空的:movies_df.isnull()输出rankgenredescriptiondirectoractorsyearruntimera...