名称 | 版本 | 简介 |
---|---|---|
numpy | 1.16.21.16.2 | 线性代数 |
−ℎopencv−python | 4.1.1.264.1.1.26 | 计算机视觉 |
−scikit−learn | 0.20.30.20.3 | 机器学习 |
Matplotlib | 3.0.33.0.3 | 数据可视化 |
Iris数据集是常用的分类实验数据集,由Fisher, 1936收集整理
Iris也称鸢尾花卉数据集,是一类多重变量分析的数据集
数据集包含150个数据样本,分为3类,每类50个数据,每个数据包含4个属性
可通过花萼长度,花萼宽度,花瓣长度,花瓣宽度4个属性预测鸢尾花卉属于(Setosa,Versicolour,Virginica)三个种类中的哪一类
机器学习解决的问题,大体上就是两种:数值预测和分类
前者一般采用的是回归模型,比如最常用的线性回归
后者的方法则五花八门,决策树,kNN,支持向量机,朴素贝叶斯等等模型都是用来解决分类问题的
其实,两种问题从本质上讲是一样的:都是通过对已有数据的学习,构建模型,然后对未知的数据进行预测,若是连续的数值预测就是回归问题,若是离散的类标号预测,就是分类问题
这里面有一类比较特殊的算法,就是逻辑回归(logistic regression)
它叫“回归”,可见基本思路还是回归的那一套,同时,逻辑回归又是标准的解决分类问题的模型
换句话说,逻辑回归是用与回归类似的思路解决了分类问题
首先导入库
代码示例:
pip install numpy
pip install opencv-python==4.1.1.26
pip install scikit-learn
pip install matplotlib
import numpy as np
import cv2
from sklearn import datasets
from sklearn import model_selection
from sklearn import metrics
import matplotlib.pyplot as plt
%matplotlib inline
代码示例:
plt.style.use('ggplot')
加载数据集
代码示例:
iris = datasets.load_iris()
代码示例:
dir(iris)
我们有150个数据,每个数据四个特征
代码示例:
iris.data.shape
这四个特征对应于之前提到的萼片和花瓣的尺寸:
代码示例:
iris.feature_names
每个数据对应一个标签
代码示例:
iris.target.shape
我们可以查看分类标签,一共有三个
代码示例:
np.unique(iris.target)
我们先区分,是否是2类的花
代码示例:
idx = iris.target != 2
data = iris.data[idx].astype(np.float32)
target = iris.target[idx].astype(np.float32)
在开始建立模型之前,最好先查看一下数据
代码示例:
plt.figure(figsize=(10, 6))
plt.scatter(data[:, 0], data[:, 1], c=target, cmap=plt.cm.Paired, s=100)
plt.xlabel(iris.feature_names[0])
plt.ylabel(iris.feature_names[1]);
代码示例:
X_train, X_test, y_train, y_test = model_selection.train_test_split(
data, target, test_size=0.1, random_state=42
)
代码示例:
X_train.shape, y_train.shape
代码示例:
X_test.shape, y_test.shape
创建一个逻辑回归分类器的步骤和设置k-NN差不多:
代码示例:
lr = cv2.ml.LogisticRegression_create()
我们可以选择
cv2.ml.LogisticRegression_BATCH
cv2.ml.LogisticRegression_MINI_BATCH
这个我们以后再解释
现在我们只需要知道,我们想在每个数据点计算后都更新一次
代码示例:
lr.setTrainMethod(cv2.ml.LogisticRegression_MINI_BATCH)
lr.setMiniBatchSize(1)
我们还希望指定迭代次数
代码示例:
lr.setIterations(100)
然后我们可以调用对象的’ train '方法(与前面的方法完全相同)
成功后会返回“True”
代码示例:
lr.train(X_train, cv2.ml.ROW_SAMPLE, y_train);
查看学习后的权重
代码示例:
lr.get_learnt_thetas()
训练集上的预测
代码示例:
ret, y_pred = lr.predict(X_train)
计算训练集上的精度
代码示例:
metrics.accuracy_score(y_train, y_pred)
完美!
然而,这仅仅意味着该模型能够完美地记忆训练数据集
这并不意味着该模型能够对没有见过的新的数据集进行分类
为此,我们需要在测试集上进行预测
代码示例:
ret, y_pred = lr.predict(X_test)
metrics.accuracy_score(y_test, y_pred)
算训练集上的精度
代码示例:
```python
metrics.accuracy_score(y_train, y_pred)
完美!
然而,这仅仅意味着该模型能够完美地记忆训练数据集
这并不意味着该模型能够对没有见过的新的数据集进行分类
为此,我们需要在测试集上进行预测
代码示例:
ret, y_pred = lr.predict(X_test)
metrics.accuracy_score(y_test, y_pred)
文章浏览阅读1.6k次。安装配置gi、安装数据库软件、dbca建库见下:http://blog.csdn.net/kadwf123/article/details/784299611、检查集群节点及状态:[root@rac2 ~]# olsnodes -srac1 Activerac2 Activerac3 Activerac4 Active[root@rac2 ~]_12c查看crs状态
文章浏览阅读1.3w次,点赞45次,收藏99次。我个人用的是anaconda3的一个python集成环境,自带jupyter notebook,但在我打开jupyter notebook界面后,却找不到对应的虚拟环境,原来是jupyter notebook只是通用于下载anaconda时自带的环境,其他环境要想使用必须手动下载一些库:1.首先进入到自己创建的虚拟环境(pytorch是虚拟环境的名字)activate pytorch2.在该环境下下载这个库conda install ipykernelconda install nb__jupyter没有pytorch环境
文章浏览阅读5.2k次,点赞19次,收藏28次。选择scoop纯属意外,也是无奈,因为电脑用户被锁了管理员权限,所有exe安装程序都无法安装,只可以用绿色软件,最后被我发现scoop,省去了到处下载XXX绿色版的烦恼,当然scoop里需要管理员权限的软件也跟我无缘了(譬如everything)。推荐添加dorado这个bucket镜像,里面很多中文软件,但是部分国外的软件下载地址在github,可能无法下载。以上两个是官方bucket的国内镜像,所有软件建议优先从这里下载。上面可以看到很多bucket以及软件数。如果官网登陆不了可以试一下以下方式。_scoop-cn
文章浏览阅读4.5k次,点赞2次,收藏3次。首先要有一个color-picker组件 <el-color-picker v-model="headcolor"></el-color-picker>在data里面data() { return {headcolor: ’ #278add ’ //这里可以选择一个默认的颜色} }然后在你想要改变颜色的地方用v-bind绑定就好了,例如:这里的:sty..._vue el-color-picker
文章浏览阅读640次。基于芯片日益增长的问题,所以内核开发者们引入了新的方法,就是在内核中只保留函数,而数据则不包含,由用户(应用程序员)自己把数据按照规定的格式编写,并放在约定的地方,为了不占用过多的内存,还要求数据以根精简的方式编写。boot启动时,传参给内核,告诉内核设备树文件和kernel的位置,内核启动时根据地址去找到设备树文件,再利用专用的编译器去反编译dtb文件,将dtb还原成数据结构,以供驱动的函数去调用。firmware是三星的一个固件的设备信息,因为找不到固件,所以内核启动不成功。_exynos 4412 刷机
文章浏览阅读2w次,点赞24次,收藏42次。Linux系统配置jdkLinux学习教程,Linux入门教程(超详细)_linux配置jdk
文章浏览阅读3.3k次,点赞5次,收藏19次。xlabel('\delta');ylabel('AUC');具体符号的对照表参照下图:_matlab微米怎么输入
文章浏览阅读119次。顺序读写指的是按照文件中数据的顺序进行读取或写入。对于文本文件,可以使用fgets、fputs、fscanf、fprintf等函数进行顺序读写。在C语言中,对文件的操作通常涉及文件的打开、读写以及关闭。文件的打开使用fopen函数,而关闭则使用fclose函数。在C语言中,可以使用fread和fwrite函数进行二进制读写。 Biaoge 于2024-03-09 23:51发布 阅读量:7 ️文章类型:【 C语言程序设计 】在C语言中,用于打开文件的函数是____,用于关闭文件的函数是____。
文章浏览阅读3.4k次,点赞2次,收藏13次。跟随鼠标移动的粒子以grid(SOP)为partical(SOP)的资源模板,调整后连接【Geo组合+point spirit(MAT)】,在连接【feedback组合】适当调整。影响粒子动态的节点【metaball(SOP)+force(SOP)】添加mouse in(CHOP)鼠标位置到metaball的坐标,实现鼠标影响。..._touchdesigner怎么让一个模型跟着鼠标移动
文章浏览阅读178次。项目运行环境配置:Jdk1.8 + Tomcat7.0 + Mysql + HBuilderX(Webstorm也行)+ Eclispe(IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持)。项目技术:Springboot + mybatis + Maven +mysql5.7或8.0+html+css+js等等组成,B/S模式 + Maven管理等等。环境需要1.运行环境:最好是java jdk 1.8,我们在这个平台上运行的。其他版本理论上也可以。_基于java技术的停车场管理系统实现与设计
文章浏览阅读3.5k次。前言对于MediaPlayer播放器的源码分析内容相对来说比较多,会从Java-&amp;gt;Jni-&amp;gt;C/C++慢慢分析,后面会慢慢更新。另外,博客只作为自己学习记录的一种方式,对于其他的不过多的评论。MediaPlayerDemopublic class MainActivity extends AppCompatActivity implements SurfaceHolder.Cal..._android多媒体播放源码分析 时序图
文章浏览阅读2.4k次,点赞41次,收藏13次。java 数据结构与算法 ——快速排序法_快速排序法