素⻉叶斯的主要优点有： 1. 朴素⻉叶斯模型发源于古典数学理理论，有稳定的分类效率。 2. 对⼩规模的数据表现很好，能个处理多分类任务，适合增量式训练，尤其是数据量超出内存时，我们可以⼀批批的去增量训练。 3. 对缺失数据不太敏敏感，算法也⽐较简单，常⽤于⽂本分类。 朴素⻉叶斯的主要缺点有： 1. 理论上，朴素⻉叶斯模型与其他分类⽅法⽐具有最⼩的误差率。但是实际上并⾮总是如此，这是因为朴素⻉ 叶
shauna570392
2020-02-19
为了解决零概率问题，在计算实例概率时，如果某个量X，在观察样本库（训练集）中没有出现过，会导致整个实例的概率结果是0，所以需要做平滑处理。
shauna570392
2020-02-19
经常用在数据分化比较大的场景，有些数值很大，有些很小。通过一些数学函数，将原始值进行映射。该方法包括 log、指数，正切等。需要根据数据分布的情况，决定非线性函数的曲线，比如log(V, 2)还是log(V, 10)等。
shauna570392
2020-02-19
a 这种归一化方法比较适用在数值比较集中的情况，数据点没有因为特征的基本性质而产生较大差异，即确保数据处于同一数量级（同一量纲），提高不同特征数据的可比性。这种方法有个缺陷，如果max和min不稳定，很容易使得归一化结果不稳定，使得后续使用效果也不稳定。实际使用中可以用经验常量值来替代max和min。 把每个特征向量（特别是奇异样本数据）的值都缩放到相同数值范围。如[0,1]或[-
shauna570392
2020-02-19
朴素贝叶斯基于一个简单的假定：给定特征向量之间相互条件独立。 朴素体现: a 考虑到P(B1B2...Bn)对于所有类别都是一样的。而对于朴素贝叶斯的分类场景并需要准确得到某种类别的可能性，更多重点在于比较分类结果偏向那种类别的可能性更大。因此从简化度上，还可以对上述表达式进行优化。 简化公式: a 这也是朴素贝叶斯得以推广使用一个原因，一方面降低了计算的复杂度，一方面却没有很大程度上影响
shauna570392
2020-02-19
class sklearn.tree.DecisionTreeClassifier(criterion=’gini’, splitter=’best’, max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features=None, random_state=None
shauna570392
2020-02-18
该函数很容易与predict函数的用法混淆 predict_proba返回的是一个 n 行 k 列的数组，第 i 行 第 j 列上的数值是模型预测 第 i 个预测样本为某个标签的概率，并且每一行的概率和为1。 举例 from sklearn.linear_model import LogisticRegression import numpy as np x_train =
shauna570392
2020-02-18
分类型特征不会排除，数据会进行编码，编码后数据的显示形式会有改变，但是数据所保留的信息还是在，编码后可以进行标准化处理。
shauna570392
2020-02-18
一、问题描述 对于一个服从线性回归的数据采用多项式线性回归的模型进行拟和，是否能达到更好的拟合效果。 二、解答 可以拟合，但是效果不一定好，可能会出现过拟合的情况，从而导致模型的泛化能力不好。
shauna570392
2020-02-18
这个式子式用1减去y对回归方程的方差（未解释离差）与y的总方差的比值，y减去y尖也就是残差，是拟合方程中不能解释的部分，用1减去不能解释的部分，那么剩下的就是解释的部分，也就是说自变量解释了因变量变动的百分比的多少，那么r方的值肯定是越大越好，意味着该模型把y的变动解释得好，R方的范围是0到1。 分母方差代表全部信息量，方差越大，代表数据上的信息量越多。
shauna570392
2020-02-17
机器学习为什么需要归一化？ 1）归一化后加快了梯度下降求最优解的速度； 2）归一化有可能提高精度。 如下图所示， 蓝色的圈圈图代表的是两个特征的等高线。其中左图两个特征X1和X2的区间相差非常大，X1区间是[0,2000]，X2区间是[1,5]，其所形成的等高线非常尖。当使用梯度下降法寻求最优解时，很有可能走“之字型”路线（垂直等高线走），从而导致需要迭代很多次才能收收敛； 而右图对两个原始
shauna570392
2020-02-17
一、问题描述 打开jupyter notebook 出现命令窗口但是不跳转。 二、解决方法 直接方法：将链接复制到浏览器即可打开。如果觉得每次复制粘贴麻烦，可以将链接收藏，下次打开jupyter后再点开浏览器收藏的链接。 彻底解决方法： 1、首先打开Anoconda Prompt，输入命令 jupyter notebook --generate-config，系统会自动产生一个名为jupyt
shauna570392
2020-02-14
一、问题描述 使用pandas语句导入csv表格时，显示Initializing from file failed a 二、如何解决 该情况没有导入成功可以从以下几个方面解决 1、检查路径是否错误，可以直接选择文件，shift 右键复制为路径，再粘贴。 2、使用相对路径，直接将文件放到ipynb文件的同一文件夹下，就不用填写路径了，直接写文件名就能导入。
shauna570392
2020-02-13
