2018-03-06
- 1.算法讲解
- K-近邻(K-NN)算法研究和实现.ipynb算法讲解与Python实现
- 2.案例实现(1)
- Data格式.png为数据存放格式
- K_NNData.txt为数据存放
- KNN.pyKNN实现“海伦约会”对象的判定
- 3.案例实现(2)
- KNN_sklearn.py使用机器学习库来对手写数字的分类
- *testDigits/trainingDigits/*为手写数字数据集的测试集和训练集,其中每个txt文件为32x32个像素值
2018-03-17
-
1.数据的预处理以及skleaen包进行XGBoost实现 - XGBoost使用.ipynb介绍具体使用和文件处理
-
2.XGBoost预测台风实例
- xgboost数据预处理.ipynb将data文件夹中的*.mat文件转化成为.csv文件,其中,必须在同一文件夹下才能正常运行; ~~- 数据文件为X_noyear.csv和Y_noyear.csv两个,数据类型为(66, 498),(66,);~~ - XGBoost预测台风.ipynb为主要文件,里面包含对XGBmodel的构建以及具体训练过程; - 数据文件更改为X_50.csv*,X_16.csv,Y_50.csv和Y_16.csv,分开来的训练集和测试机,改变原来的预测结构 - model文件夹下存放.pkl文件
2018-03-18
-1. 对于信息增益,最优选择,生成算法以及剪枝没搞明白,日后补充 -2. Desicion_Tree_sklearn使用sklearn包实现了对已有数据使用决策树来进行分析处理