集成学习案例二 (蒸汽量预测) 背景介绍 火力发电的基本原理是:燃料在燃烧时加热水生成蒸汽,蒸汽压力推动汽轮机旋转,然后汽轮机带动发电机旋转,产生电能。在这一系列的能量转化中,影响发电效率的核心是锅炉的燃烧效率,即燃料燃烧加热水产生高温高压蒸汽。锅炉的燃烧效率的影响因素很
很开心可以参加这一次的组队学习,在这次学习中,主要学到了深度学习的知识,了解了什么是梯度,梯度下降的方法,以及梯度下降会遇到的问题,还有解决方法。 知道了什么是深度学习,并且知道了一些调参的方法,学会很多,也交到了很多朋友,希望下次组队学习再见
文章目录 01机器学习介绍02 回归step1:modelstep2:评价一个模型的好坏step3:使用gradient descent进行优化优化 03 误差估测方差和偏差偏差 v.s. 方差 04 训练集划分交叉验证N-fold cross validation 05 gradient descent06 深度学习step1:神经网络step2:模型评估step3:选
第四章 决策树 4.1基本流程 1.决策树基于树结构进行决策,通过一系列的判断或“子决策”得到最终决策,其目的是产生一棵泛化能力强,即处理未见示例能力强的决策树。 2.决策树一般包含三类结点:根结点、内部结点、叶结点。根结点包含样本全集,每个结点包含 的样本集合根据属性测试的结
目录 作业 1. 什么是Bootstraps 2. bootstraps和bagging的联系 3. 什么是bagging 4. 随机森林和bagging的联系和区别 5. 使用偏差和方差阐释为什么bagging能提升模型的预测精度 6. 使用Bagging和基本分类模型或者回归模型做对比,观察bagging是否相对于基础模型的精度有所提高
1、逻辑回归逻辑推导 import pandas as pd from sklearn import datasets iris = datasets.load_iris() X = iris.data y = iris.target feature = iris.feature_names data = pd.DataFrame(X,columns=feature) data['target'] = y data.head() sepal length (cm)sepal wi
数据可视化 导入相关库: import pandas as pd import numpy as np import matplotlib.pyplot as plt 导入数据: text = pd.read_csv(r'result.csv') text.head() # 可视化展示泰坦尼克号数据集中男女中生存人数分布情况 sex = text.groupby('Sex')['Survived'].sum() sex.plot.bar
Task02回归 机器学习使用sklearn构建完整的机器学习项目流程基本的回归模型作业参考 机器学习 机器学习的一个重要的目标就是利用数学模型来理解数据,发现数据中的规律,用作数据的分析和预测。 数据通常由一组向量组成,这组向量中的每个向量都是一个样本,我们用
参考链接:https://datawhalechina.github.io/leeml-notes 文章目录 一、深度学习的发展趋势二、深度学习的三个步骤2.1 神经网络(Neural network)2.2 模型评估(Goodness of function)2.3 选择最优函数(Pick best function) 三、反向传播四、总结 一、深度学习的发展趋势 回顾一
1. Java简介与安装配置 1.1 Java简介 Java是一门面向对象]编程语言,不仅吸收了C++语言的各种优点,还摒弃了C++里难以理解的多继承、指针等概念,因此Java语言具有功能强大和简单易用两个特征。Java语言作为静态面向对象编程语言的代表,极好地实现了面向对象理论,允许程序员以优雅的思
一、绪论 出处: Datawhale吃瓜教程(https://www.bilibili.com/video/BV1Mh411e7VU) 案例: 水果摊旁,挑个根蒂蜷缩,敲起来声音浊响的青绿西瓜。期待是皮薄后瓤甜的瓜 1.1 引言 机器学习 研究如何通过计算的手段,利用经验来改善系统自身的性能。 经验以数据形式存在 学习算法 在计
【01】 学习资料 LeeML-Notes BiliBili Video B站网页端自带的笔记小工具挺好用的,截图功能超爽! 【02】课程内容 01 闲聊 AI是个早在上世纪五十年代就被提出来的概念,但当时只是有这么个目标,并不知道该怎么做。 机器学习是实现这个目标的手段,吴恩达老师的课里用ETP去定义: 经验
摘要:本文是包含第一章和第二章的理论及推导内容 说明: 本次学习是基于西瓜书,南瓜书,及部分网上参考资料(链接会放在最后) 目录 摘要:本文是包含第一章和第二章的理论及推导内容说明: 本次学习是基于西瓜书,南瓜书,及部分网上参考资料(链接会放在最后) 第一章 绪论1.1 理论1.1.1 基
超大规模数据集类的创建 1 `Dataset`基类1.1 无需定义`Dataset`类情况 2 图样本封装成批(BATCHING)与`DataLoader`类2.1 合并小图组成大图2.2 小图的属性增值与拼接2.3 图的匹配2.4 二部图2.5 在新的维度上做拼接 3 创建超大规模数据集类实践 前面介绍了可以将数据集全部加
很开心又拿到了优秀船员,其实这已不是我第一次参加组队学习了,4月份的二手车是我第一次接触到DataWhale,那次课程结束后,马老师找到我让我分享一下心得,但是我觉得第一次坚持下来不算什么,于是我答应他如果下个月我还参加了并且拿到优秀船员再来分享,现在我来履行我的诺言了。 DataW
特征筛选https://mp.weixin.qq.com/s/0XbrbrkviVLcDycjHo953w 模型解释器 https://mp.weixin.qq.com/s/47omhEeHqJdQTtciLIN2Hw kaggle木薯预测 https://mp.weixin.qq.com/s/XT79Baa5R7RUkoUTpG7E2g 衰减率策略 https://mp.weixin.qq.com/s/OVW0pIEizppNvOGLZ0cfiQ kaggle调
学习课程:gitee_Datawhale_GNN 学习论坛:Datawhale CLUB 公众号:Datawhale 1.node_classfication 对于节点分类的任务,GAT的得分是0.765,GCN的得分是0.779。 不同的层数和不同的out_channels通过更改hidden_channels_list的数值。 2.edge_classification 由于之前的学习已经保存
# 导入基本库 import numpy as np import pandas as pd 任务一:读取数据,并观察数据之间的关系 train_left_up=pd.read_csv('train-left-up.csv') train_left_down=pd.read_csv(r'.\train-left-down.csv') train_right_up=pd.read_csv(r'.\train-right-up.csv') tr
目录 Day03 Linux用户和组管理一、用户与用户组1.1 用户的定义1.2 用户组的定义1.3 用户与用户组的关系 二、用户ID与用户组ID三、用户与用户组命令管理3.1 用户的增删修改3.2 用户组管理 Day03 Linux用户和组管理 一、用户与用户组 1.1 用户的定义 Linux是多用户多任
本次学习内容均来自DataWhale第26期组队学习 https://github.com/datawhalechina/team-learning-program/tree/master/OfficeAutomation import pandas as pd import numpy as np 1、文件自动化处理 1.1 读写文件 1.1.1 文件名和文件路径 os.path.join()是用于路径拼接的 语
1.简单图论 用neo4j生成了一张图用以简单的了解图以及其背后的知识。 首先,这张图有两种元素构成,节点和边,对应的就是实体和关系。 然后节点油分为两类,一类是人,另一类是电影。 图其实就是把语言以图的形式表现出来,重点是强调各个个体之间的关系,在这个万物互联的时代,图显得更加
DataWhale组队学习——GNN(1) 这里是DataWhale社区的21年6月组队学习之图神经网络的相关笔记!开源代码:https://github.com/datawhalechina/team-learning-nlp/blob/master/GNN 目录:(待更新)0.导引1.简单图论知识与PyG库初探 导引 一、图神经网络与图深度学习 图是一种数据结构,它
内容为DataWhale组队学习计划6月Linux学习笔记 reference link Day1、什么是Linux Linux,一种免费使用可自由传播的类UNIX操作系统(Operation System),常说的Linux指的是一个基于POSIX(可移植操作系统接口)的多用户、多任务、支持多线程和多CPU的操作系统,Linux在开发者中常用,范围广,用户
一、选择输出格式 使用CSDN撰写技术博客 二、学习过程 1. 根据Datawhale提供的学习材料以自学为主 2. 按照学习任务进行学习并打卡 2.1 学习任务的查看 查看Datawhale所提供的学习材料,进行学习任务的查看,并按照所建议的学习节奏进行学习 2.2 打卡内容 选择CSDN平台,将学习体会