【IT专家】《python与机器学习实战》笔记(一)
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
本文由我司收集整编，推荐下载，如有疑问，请与我司联系
《python与机器学习实战》笔记(一)
2018/06/11 9 机器学习追求的是合理的假设空间的选取和模型的泛化能力。
人生苦短，我用python。
单纯的lambda表达式
f = lambda x:pow(x,2)
f(2)
如上两行代码，定义一个lambda表达式f,输入参数为x，返回为x的平方
机器学习的过程：
获取与处理数据
选择与处理数据
评估与可视化结果
import numpy as npimport matplotlib.pyplot as pltdef get_model(deg): return lambda input_x=x0: np.polyval(np.polyfit(x, y, deg), input_x)# Get the cost of regression model above under given x, ydef get_cost(deg, input_x, input_y): return 0.5 * ((get_model(deg)(input_x) - input_y) ** 2).sum()# Set degreestest_set = (1, 4, 10)for d in test_set: print(get_cost(d, x, y))# Visualize resultsplt.scatter(x, y, c=“g”, s=20)for d in test_set: plt.plot(x0, get_model(d)(), label=“degree = {}”.format(d))plt.xlim(-2, 4)plt.ylim(1e5, 8e5)plt.legend()plt.show()
96732238800.3529294112406641.6774375874846680.09283
tips:感谢大家的阅读，本文由我司收集整编。仅供参阅！