python机器学习-乳腺癌细胞挖掘(博主亲自录制视频)

https://study.163.com/course/introduction.htm?courseId=1005269003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share

项目合作QQ:231469242

sklearn支持算法

回归算法

线性回归

岭回归

逻辑回归

核岭回归

套索回归(Lasso)

弹性网络回归(Elastic Net)

贝叶斯回归(Bayesian Regression)

多项式回归(Polynomial regression——多项式基函数回归)

偏最小二乘回归(PLS)

典型相关分析(CCA)

聚类分析

KNN

Kmeans

层次聚类(Hierarchical clustering)——支持多种距离

降维

主成分方法(PCA)

核函主成分(kernal pca)

因子分析(Factor Analysis)

文本挖掘算法

主题生成模型(Latent Dirichlet Allocation)

潜在语义分析(latent semantic analysis)

分类算法

线性判别分析(LDA)

聚类分析

KNN算法

Kmeans算法

层次聚类(Hierarchical clustering)——支持多种距离

二次判别分析(QDA)

支持向量机回归(SVR)

导入支持向量算法

KNN算法

神经网络

决策树算法

贝叶斯算法

高斯贝叶斯

多项式贝叶斯

伯努利贝叶斯

集成算法(Ensemble methods)

Bagging

随机森林

AdaBoost

GBDT(Gradient Tree Boosting)

# -*- coding: utf-8 -*-
"""
Created on Sat Mar 10 09:40:50 2018 @author: Administrator
"""
#绘图
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd #数据预处理
#标准化
#异常值处理
#非线性转换
#二值化
#独热编码(one-hot)
#缺失值插补:支持均值、中位数、众数、特定值插补、多重插补
#衍生变量生成 #模型优化
#不具体列出函数,只说明提供的功能
#特征选择
#随机梯度方法
#交叉验证
#参数调优
#模型评估:支持准确率、召回率、AUC等计算,ROC,损失函数等作图 #导入测试数据
from sklearn import datasets
#数据预处理
from sklearn.preprocessing import Imputer
#用于训练数据和测试数据分类
from sklearn.cross_validation import train_test_split
#导入数据预处理,包括标准化处理或正则处理
from sklearn import preprocessing
#过渡拟合校验
from sklearn.learning_curve import learning_curve
#样本平均测试,评分更加
from sklearn.cross_validation import cross_val_score #A回归算法
#最小二乘回归(OLS)
from sklearn import linear_model
reg = linear_model.LinearRegression()
#岭回归
from sklearn import linear_model
reg = linear_model.Ridge (alpha = .5)
#逻辑回归算法
from sklearn.linear_model import LogisticRegression
clf_l1_LR = LogisticRegression(C=C, penalty='l1', tol=0.01)
#核岭回归(Kernel ridge regression)
from sklearn.kernel_ridge import KernelRidge
KernelRidge(kernel='rbf', alpha=0.1, gamma=10)
#套索回归(Lasso)
from sklearn import linear_model
reg = linear_model.Lasso(alpha = 0.1)
#弹性网络回归(Elastic Net)
from sklearn.linear_model import ElasticNet
regr = ElasticNet(random_state=0)
#贝叶斯回归(Bayesian Regression)
from sklearn import linear_model
reg = linear_model.BayesianRidge()
#多项式回归(Polynomial regression——多项式基函数回归)
from sklearn.preprocessing import PolynomialFeatures
poly = PolynomialFeatures(degree=2)
poly.fit_transform(X)
#偏最小二乘回归(PLS)
from sklearn.cross_decomposition import PLSCanonical
PLSCanonical(algorithm='nipals', copy=True, max_iter=500, n_components=2,scale=True, tol=1e-06)
#典型相关分析(CCA)
from sklearn.cross_decomposition import CCA
cca = CCA(n_components=2) #B聚类分析
#KNN算法
from sklearn.neighbors import KNeighborsClassifier
nbrs = NearestNeighbors(n_neighbors=2, algorithm='ball_tree').fit(X)
#Kmeans算法
from sklearn.cluster import KMeans
kmeans = KMeans(init='k-means++', n_clusters=n_digits, n_init=10)
#层次聚类(Hierarchical clustering)——支持多种距离
from sklearn.cluster import AgglomerativeClustering
model = AgglomerativeClustering(linkage=linkage,
connectivity=connectivity, n_clusters=n_clusters) #C降维算法
#主成分方法(PCA)
from sklearn.decomposition import PCA
pca = PCA(n_components=2)
#核函主成分(kernal pca)
from sklearn.decomposition import KernelPCA
kpca = KernelPCA(kernel="rbf", fit_inverse_transform=True, gamma=10)
#因子分析(Factor Analysis)
from sklearn.decomposition import FactorAnalysis
fa = FactorAnalysis() #D文本挖掘算法
#主题生成模型(Latent Dirichlet Allocation)
#潜在语义分析(latent semantic analysis)
from sklearn.decomposition import NMF, LatentDirichletAllocation #E分类算法
#线性判别分析(LDA)
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
#二次判别分析(QDA)
from sklearn.discriminant_analysis import QuadraticDiscriminantAnalysis
#支持向量机回归(SVR)
from sklearn import svm
clf = svm.SVR()
#导入支持向量算法
from sklearn.svm import SVC
#KNN算法
from sklearn.neighbors import KNeighborsClassifier
nbrs = NearestNeighbors(n_neighbors=2, algorithm='ball_tree').fit(X)
#神经网络
from sklearn.neural_network import MLPClassifier
#决策树算法
from sklearn import tree
#贝叶斯算法
from sklearn.naive_bayes import GaussianNB
from sklearn.naive_bayes import MultinomialNB
from sklearn.naive_bayes import BernoulliNB #F集成算法(Ensemble methods)
#Bagging
from sklearn.ensemble import BaggingClassifier
from sklearn.neighbors import KNeighborsClassifier
bagging = BaggingClassifier(KNeighborsClassifier(),
max_samples=0.5, max_features=0.5)
#随机森林
from sklearn.ensemble import RandomForestClassifier
from sklearn.ensemble import RandomForestClassifier
clf = RandomForestClassifier(n_estimators=10)
#AdaBoost
from sklearn.ensemble import AdaBoostClassifier
clf = AdaBoostClassifier(n_estimators=100)
#GBDT(Gradient Tree Boosting)
from sklearn.ensemble import GradientBoostingClassifier
clf = GradientBoostingClassifier(n_estimators=100, learning_rate=1.0,
max_depth=1, random_state=0).fit(X_train, y_train)

 

 https://study.163.com/provider/400000000398149/index.htm?share=2&shareId=400000000398149( 欢迎关注博主主页,学习python视频资源,还有大量免费python经典文章)

  

sklearn11_函数汇总的更多相关文章

  1. php常用函数汇总

    php常用函数汇总   字符串截取:           1.substr('要截取的字符串','从第几个字符开始','到第几个字符结束');             * 截取英文或者数字       ...

  2. PHP部分字符串函数汇总

    PHP部分字符串函数汇总 提交 我的评论 加载中 已评论 PHP部分字符串函数汇总 2015-03-10 PHP100中文网 PHP100中文网 PHP100中文网 微信号 功能介绍 互联网开发者社区 ...

  3. PHP网络操作函数汇总

    PHP网络操作函数汇总 投稿:junjie 字体:[增加 减小] 类型:转载   这篇文章主要介绍了PHP网络操作函数汇总,本文列举了如gethostbyaddr.gethostbyname.head ...

  4. C/C++常用头文件及函数汇总

    转自: C/C++常用头文件及函数汇总 C/C++头文件一览 C #include <assert.h> //设定插入点#include <ctype.h> //字符处理#in ...

  5. 非常实用的PHP常用函数汇总

    这篇文章主要介绍了非常实用的PHP常用函数,汇总了加密解密.字符串操作.文件操作.SQL注入等函数的实例与用法说明,在PHP项目开发中非常具有实用价值,需要的朋友可以参考下 本文实例总结了一些在php ...

  6. Mysql中常用的函数汇总

    Mysql中常用的函数汇总: 一.数学函数abs(x) 返回x的绝对值bin(x) 返回x的二进制(oct返回八进制,hex返回十六进制)ceiling(x) 返回大于x的最小整数值exp(x) 返回 ...

  7. 【PHP】最详细PHP从入门到精通(三)——PHP中的数组常用函数汇总

     PHP从入门到精通 之PHP中的数组常用函数详解 数组作为PHP中最常用的结构之一,PHP强大的数组函数功能,给数组的相关操作带来了极大的便利.今天给大家介绍的PHP中数组函数,是PHP数组中重要的 ...

  8. Mysql常用运算符与函数汇总

    Mysql常用运算符与函数汇总 本文给大家汇总介绍了mysql中的常用的运算符以及常用函数的用法及示例,非常的全面,有需要的小伙伴可以参考下 我们先把数据表建好 use test;create tab ...

  9. C++中的各种进制转换函数汇总

    C++中的各种进制转换函数汇总 1.在C中,按指定进制格式输出如下: #include <iostream> #include <cstdio> using namespace ...

随机推荐

  1. linux内核期中总结

    20135132陈雨鑫 + 原创作品转载请注明出处 + <Linux内核分析>MOOC课程http://mooc.study.163.com/course/USTC-1000029000  ...

  2. 第三个Sprint冲刺第5天

    成员:罗凯旋.罗林杰.吴伟锋.黎文衷 各成员努力完成最后冲刺

  3. python 函数及变量作用域及装饰器decorator @详解

    一.函数及变量的作用   在python程序中,函数都会创建一个新的作用域,又称为命名空间,当函数遇到变量时,Python就会到该函数的命名空间来寻找变量,因为Python一切都是对象,而在命名空间中 ...

  4. Redis的五种数据类型

    官方的几篇很好的文章: https://redis.io/topics/data-types https://redis.io/topics/data-types-intro https://redi ...

  5. SQLite reset password

    https://www.codeproject.com/tips/993395/sqliter-change-set-remove-passwords-on-sqlite-d https://sour ...

  6. 简单的数据库备份语句--Oracle+SQLSERVER

    1. 工作中经常需要备份数据库表, 有时候经常需要baidu或者是询问,简单些一下.. 如果备份表不存在时: Oracle的语法 create table zhaobsh as select * fr ...

  7. [转帖]CR3,PDE,PTE,TLB 内存管理的简单说明

    CR3,PDE,PTE,TLB  Copy From https://www.cnblogs.com/zzSoftware/archive/2013/02/11/2908824.html   网上关于 ...

  8. [CNBETA]Intel CPU底层漏洞事件完全详解:全球手机/电脑无一幸免[转帖]

    http://www.cnbeta.com/articles/tech/685897.htm 由Intel CPU漏洞问题衍生出来的安全事件已经波及全球几乎所有的手机.电脑.云计算产品,ARM确认 C ...

  9. Python 零基础 快速入门 趣味教程 (咪博士 海龟绘图 turtle) 6. 条件

    前面的教程中,我们已经可以让小海龟绘制出各种图形了.但是,所有绘图的代码都是预先编好的,程序一旦运行起来,运行结果(绘制的图形)就是固定不变的.这一节中,咪博士将教大家如何让海龟响应用户的输入. im ...

  10. JTextPane或JTextPane设置了滚动条,文本增加后,滚动条自动下滑,追加文本的例子

    http://zhizaibide1987.iteye.com/blog/1012955 https://zhidao.baidu.com/question/2116908942184706107.h ...