FastICA的原理及实现
本文在研究了论文的基础上，结合其他大佬的分析，加上自己的理解，叙述原理并独立用python实现，和sklearn包中函数对比，能完成独立成分提取。
最新版本pycharm(2022.3)安装sklearn
最新版本pycharm(2022.3)安装sklearn
Python-Sklearn内置数据集介绍与“三板斧”
对sklearn中的内置数据集鸢尾花数据集（iris）和波士顿房价数据集（boston）以及手写数字数据集（digits）为例，学习查看sklearn中自带数据集的相关概论以及数据处理“三板斧”。
模型调参常见问题及Aadm优化器调参记录
优化器参数torch.optim.Adam(model.parameters(), lr=lr ,eps=args.epsilon)epsilon从0.1到1e-06,测试auc从0.6到0.9太可怕了，torch.optim.Adam(model.parameters(), lr=lr,weigh
机器学习——无监督学习
sklearn是scikit-learn的简称，是一个基于Python的第三方模块sklearn库集成了一些常用的机器学习方法，在进行机器学习任务时并不需要实现算法，只需要简单的调用sklearn库中提供的模块就能完成大多数的机器学习任务。sklearn库是在Numpy、Scipy和matplotl
PCA（主成分分析法）的Python代码实现（numpy，sklearn）
PCA（主成分分析法）的Python代码实现（numpy，sklearn）语言描述算法描述示例1 使用numpy一步一步按算法降维 2 直接使用sklearn中的PCA进行降维语言描述PCA设法将原来众多具有一定相关性的属性（比如p个属性），重新组合成一组相互无关的综合属性来代替原属性。通常数学上的
Sklearn GridSearchCV跑SVM很慢或卡死解决办法，SVM线性核函数卡死
Sklearn GridSearchCV跑SVM很慢？GridSearchCV跑SVM线性核函数卡死怎么办？今天跑人工智能SVM实验，想试一下线性Linear核函数，结果卡死了，很久也不出结果，但之前使用高斯核函数是没问题的。历经千辛万苦终于找到了原因，记录一下，希望对后人有帮助。
XGBoost模型调参：GridSearchCV方法网格搜索优化参数
GridSearchCV是XGBoost模型最常用的调参方法。本文主要介绍了如何使用GridSearchCV寻找XGBoost的最优参数，有完整的代码和数据文件。文中详细介绍了GridSearchCV的工作原理，param_grid等常用参数；常见的learning_rate和max_depth等可
Python_sklearn_CountVectorizer使用详解
Python，sklearn，CountVectorizer，文本提取，计数矩阵，toarray
Yolov5安装及简单使用
官网地址：https://github.com/ultralytics/yolov5在Github上下载较为稳定的版本。一般计算机上存在基础的运行环境，一般使用情境下可在此环境中下载许多常用的包，比如说numpy、pandas、sklearn等等。但是如果在一些需要对项目、文件打包的时候，如果直接打
使用scikit-learn为PyTorch 模型进行超参数网格搜索
scikit-learn是Python中最好的机器学习库，而PyTorch又为我们构建模型提供了方便的操作，要让PyTorch 模型可以在 scikit-learn 中使用的一个最简单的方法是使用skorch包
PCA降维原理 操作步骤与优缺点
PCA全称是Principal Component Analysis，即主成分分析。它主要是以“提取出特征的主要成分”这一方式来实现降维的。 介绍PCA的大体思想，先抛开一些原理公式，如上图所示，原来是三维的数据，通过分析找出两个主成分PC1和PC2，那么直接在这两个主成分的方向上就可以形成一个平面
初学者安装Sklearn详细步骤（有详细步骤截图，亲测完成）
一、安装前的准备1.1 安装python（我安装的是最新版3.10.2）1.2 Win 10 操作系统二、正式安装（Win+R --> 'cmd'进入命令提示符 也就是终端）在安装sklearn之前，需要安装两个库，即numpy+mkl和scipy。但是最好不要使用pip3直接在终端安装，因为
降维干货，一种用于处理特征的方式——后附Python代码例子
读了周志华老师写得《机器学习》降维的一部分知识后还是觉得这一部分有一点不一样的感悟，感觉很多情况下在数据分析时都可以用到，而且现在操作也非常简单，只需要调用sklearn库中函数即可，可以让大家快速上手使用
PCA（主成分分析法）的Python代码实现（numpy，sklearn）
PCA（主成分分析法）的Python代码实现（numpy，sklearn）语言描述算法描述示例1 使用numpy一步一步按算法降维 2 直接使用sklearn中的PCA进行降维语言描述PCA设法将原来众多具有一定相关性的属性（比如p个属性），重新组合成一组相互无关的综合属性来代替原属性。通常数学上的
PCA降维原理 操作步骤与优缺点
PCA全称是Principal Component Analysis，即主成分分析。它主要是以“提取出特征的主要成分”这一方式来实现降维的。 介绍PCA的大体思想，先抛开一些原理公式，如上图所示，原来是三维的数据，通过分析找出两个主成分PC1和PC2，那么直接在这两个主成分的方向上就可以形成一个平面
初学者安装Sklearn详细步骤（有详细步骤截图，亲测完成）
一、安装前的准备1.1 安装python（我安装的是最新版3.10.2）1.2 Win 10 操作系统二、正式安装（Win+R --> 'cmd'进入命令提示符 也就是终端）在安装sklearn之前，需要安装两个库，即numpy+mkl和scipy。但是最好不要使用pip3直接在终端安装，因为
增加sklearn逻辑回归拟合能力的解决方案
本文主要介绍了增加sklearn逻辑回归拟合能力的解决方案，希望对新手有所帮助。文章目录1. 问题描述2. 解决方案 2.1 不建议的解决方案 2.2 推荐的解决方案
sklearn 中的两个半监督标签传播算法 LabelPropagation和LabelSpreading
标签传播算法是一种半监督机器学习算法，它将标签分配给以前未标记的数据点。要在机器学习中使用这种算法，只有一小部分示例具有标签或分类。在算法的建模、拟合和预测过程中，这些标签被传播到未标记的数据点。
在gpu上运行Pandas和sklearn
Pandas和sklearn这两个是我们最常用的基本库，Rapids将Pandas和sklearn的功能完整的平移到了GPU之上
