plt.scatter()函数参数 第2页

推荐2个十分好用的pandas数据探索分析神器

作者：俊欣来源：关于数据分析与可视化...

向量数据库:解锁大模型记忆的关键!选型指南+实战案例全解析

本文较长，建议点赞收藏，以免遗失。更多AI大模型应用开发学习视频及资料，尽在...

用Python进行机器学习(11)-主成分分析PCA

我们在机器学习中有时候需要处理很多个参数，但是这些参数有时候彼此之间是有着各种关系的，这个时候我们就会想：是否可以找到一种方式来降低参数的个数呢？这就是今天我们要介绍的主成分分析，英文是PrincipalComponentAnalysis，通常简写为PCA，PCA通过线性变换把高维数据投影到低维...

神经网络基础深度解析:从感知机到反向传播

本文较长，建议点赞收藏，以免遗失。更多AI大模型应用开发学习视频及资料，尽在...

Python实现基于机器学习的RFM模型

CDA数据分析师出品作者：CDALevelⅠ持证人岗位：数据分析师行业：大数据...

AI工程师跃迁指南:10个必学经典算法代码详解+模型调优修炼

本文较长，建议点赞收藏，以免遗失。更多AI大模型应用开发学习视频及资料，尽在...

机器学习中的10种非线性降维技术对比总结

降维意味着我们在不丢失太多信息的情况下减少数据集中的特征数量，降维算法属于无监督学习的范畴，用未标记的数据训练算法。尽管降维方法种类繁多，但它们都可以归为两大类:线性和非线性。线性方法将数据从高维空间线性投影到低维空间(因此称为线性投影)。例子包括PCA和LDA。非线性方法提供了一种执行非线性降维(...

AI算法之怎么利用Python实现支持向量机SVM算法

摘要：支持向量机（SupportVectorMachine,SVM）是一种经典的机器学习算法，主要用于分类问题。其核心思想是找到一个“最佳分界线”（在高维空间中是一个“超平面”），将不同类别的数据尽可能地区分开，并且让这条分界线距离最近的数据点尽可能远一些，从而提升模型的泛化能力，也就是在新数...

可视化神经网络训练:PyTorch线性回归与决策边界实战

本文较长，建议点赞收藏，以免遗失。更多AI大模型应用开发学习视频及资料，尽在...

机器学习算法科普:支持向量机(SVM)

在机器学习的世界中，支持向量机（SupportVectorMachine,SVM）是一种经典且强大的算法，它广泛应用于分类、回归和异常检测等任务。SVM因其强大的数学基础和在小样本数据集上的优异表现而备受推崇。...