https://github.com/navono/mlsimpletutorial

Sample code from http://machinelearningmastery.com/machine-learning-in-python-step-by-step/
https://github.com/navono/mlsimpletutorial

machine-learning python3

Last synced: about 2 months ago
JSON representation

Sample code from http://machinelearningmastery.com/machine-learning-in-python-step-by-step/

• Host: GitHub
• URL: https://github.com/navono/mlsimpletutorial
• Owner: navono
• Created: 2017-07-28T03:18:13.000Z (almost 9 years ago)
• Default Branch: master
• Last Pushed: 2017-07-29T03:56:23.000Z (almost 9 years ago)
• Last Synced: 2025-03-11T18:54:57.166Z (over 1 year ago)
• Topics: machine-learning, python3
• Language: Python
• Size: 4.88 KB
• Stars: 0
• Watchers: 2
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

          
# 环境配置

Python 3.5

安装以下库：

- scipy

- numpy

- matplotlib

- pandas

- sklearn

还包括以下插件：

- flak8

- autopep8

- pylint

如果安装`scipy`失败的话，从[此处](http://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy)上下载相应的包进行安装。如果需要`mkl`的话，从新从上述URL中下载`numpy + mkl`包安装。

# 机器学习的一般步骤

1. 定义问题（Define Problem）

2. 准备训练数据（Prepare Data）

3. 评估算法（Evaluate Algorithms）

4. 改善算法结果（Improve Results）

5. 显示算法结果（Present Results）

# 步骤

整体步骤：

- Installing the Python and SciPy platform.

- Loading the dataset.

- Summarizing the dataset.（使用统计算法）

- Visualizing the dataset.（使用plot）

- Evaluating some algorithms.

- Making some predictions.

## Evaluating some algorithms

步骤：

1. Separate out a validation dataset.

2. Set-up the test harness to use 10-fold cross validation.

3. Build 5 different models to predict species from flower 4. 4. measurements

5. Select the best model.

模型：

 - 逻辑回归（Logistic Regression (LR)）

 - 线性判别分析（Linear Discriminant Analysis (LDA)）

 - K近邻（K-Nearest Neighbors (KNN)）

 - 分类与回归树（Classification and Regression Trees (CART)）

 - 高斯朴素贝叶斯（Gaussian Naive Bayes (NB)）

 - 支持向量机（Support Vector Machines (SVM)）

 LR和LDA属于线性算法，其他的属于非线性算法。