热门好课推荐
猜你喜欢
相关培训 相关博客
  • 概述  本章是使用机器学习预测天气系列教程的第一部分,使用Python和机器学习来构建模型,根据从WeatherUnderground收集的数据来预测天气温度。该教程将由三个不同的部分组成,涵盖的主题是:数据收集和处理(本文)线性回归模型(第2章)神经网络模型(第3章)  本教程中使用的数据将从WeatherUnderground的免费层API服务中收集。我将使用python的reque
    2017-12-28 10:10:52
    阅读量:5575
    评论:3
  • 概述  这篇文章我们接着前一篇文章,使用WeatherUnderground网站获取到的数据,来继续探讨用机器学习的方法预测内布拉斯加州林肯市的天气  上一篇文章我们已经探讨了如何收集、整理、清洗数据。这篇文章我们将使用上一篇文章处理好的数据,建立线性回归模型来预测天气。为了建立线性回归模型,我要用到python里非常重要的两个机器学习相关的库:Scikit-Learn和StatsModels
    2018-01-03 11:24:10
    阅读量:7971
    评论:0
  • 这是使用机器学习预测平均气温系列文章的最后一篇文章了,作为最后一篇文章,我将使用google的开源机器学习框架tensorflow来构建一个神经网络回归器。
    2018-01-10 09:54:02
    阅读量:1606
    评论:1
  • 共享单车骑行数据预测任务说明1、任务描述请在CapitalBikeshare(美国Washington,D.C.的一个共享单车公司)提供的自行车数据上进行回归分析。根据每天的天气信息,预测该天的单车共享骑行量。原始数据集地址:http://archive.ics.uci.edu/ml/datasets/Bike+Sharing+Dataset1)文件说明day.csv:按天...
    2019-04-16 13:45:49
    阅读量:247
    评论:0
  • 下面介绍预测浏览量的例子,构建第一个机器学习的例子,其中需要的数据我放在这里了:http://pan.baidu.com/share/link?shareid=1399332518&uk=3510054274。我们的数据的格式是这样的:总共有743条,用word的写字板打开我网盘里的文件:web_traffic.tsv。这里数据的第一列表示时间(小时),第二列表示在这个小时内网
    2017-03-08 11:34:52
    阅读量:2984
    评论:0
  • 如何在海量的数据中识别出4G客户?并进而认知4G客户的特征特点,为相关部门对这部分客户进行重点宣传、发送E-mail提供决策支持,以提升预期的宣传效果?本案例的挖掘目标是:构建客户识别分类模型,并进行特征分析...
    2018-09-30 09:37:57
    阅读量:800
    评论:0
  • 这个系列的文章参考自《python机器学习及其实践》。分类学习属于有监督学习中最常用常用的学习方法,有监督学习是明确特征结果的,即每个数据都是有标签的。在实际生活中,我们会遇到很多分类问题,比如,对好人和坏人的分类;气象台的天气预告也是分类问题,通过出现的天气特征,预测是雨天还是晴天;生物学家进行物种分类。上面提到的分类问题都是已知了类别的,这就是有监督学习的特征之一。分类学习也可以说机器学
    2017-08-29 13:01:36
    阅读量:939
    评论:0
  • 问题:电力公司会提前一天或者几天跟发电厂购买电量,买多了势必会造成不必要的浪费,而买少了临时向发电厂买电代价是比平时高得多的,如何根据以往的数据对未来的电量需求做出精准的预测,是电力公司非常重视的一个问题。解决方案:通过历年来该地区的实际电量需求数据和该地区的天气数据进行建模,建立一个回归模型,预测未来几天的用电需求。数据来源:美国纽约州电力NYISO公司公布了历年来纽约州各个地区的实际用电数据,该
    2017-04-07 14:56:35
    阅读量:3023
    评论:4