学好Scikit-Learn,于是你默默地推了一下酷酷的墨镜【下篇】

初商 2019-08-04

天池大数据科研平台

此前小天分享了PyTorc干货的Scikit-Learn上篇(点击蓝字可直接阅读),看完下篇希望你能马上学溜PyTorch!(万一这回就学以致用了呢,我先收藏为敬)

讲完Scikit-Learn的数据表示和评估器API的基础知识、简单线性回归,小天将在本文中为大家带来鸢尾花数据的分类、降维和聚类,还有手写数据的探索,耐心往下看吧~

image.png

Scikit-Learn·下篇

有监督学习示例:鸢尾花数据分类

如何为鸢尾花数据集建立模型,先用一部分数据进行训练,再用模型预测出其他样本的标签?

我们将使用非常简单的高斯朴素贝叶斯(Gaussian naive Bayes)方法完成这个任务,这个方法假设每个特征中属于每一类的观测值都符合高斯分布。因为高斯朴素贝叶斯方法速度很快,而且不需要选择超参数,所以通常很适合作为初步分类手段,再借助更复杂的模型进行优化之前

登录 后评论
下一篇
corcosa
13680人浏览
2019-10-08
相关推荐
5 个炫酷的 Unikernels 项目
796人浏览
2017-10-12 10:59:00
为何而设计?
600人浏览
2017-10-18 14:20:00
1505: 酷酷的单词
246人浏览
2015-07-16 21:36:00
决策树算法原理(下)
319人浏览
2019-08-04 01:02:54
0
0
0
270