机器学习
wxv111
这个作者很懒,什么都没留下…
展开
-
K-近邻分类算法(监督式)
这个算法是不需要对数据进行训练的,所以理解起来十分容易。步骤计算已知类别数据集中的所有点与待测点之间的距离(需要进行归一化处理)按照距离递增的次序排序选取与待测点距离最小的K个点确定这K个点所在类别的出现频率返回出现频率最高的类别作为待测点的预测分类应用数字识别等优缺点优点:精度高,对异常值不敏感,无数据输入假定 缺点:计算复杂度高,空间复杂度高 适用数据范围(目标变量):数值型(可原创 2016-02-14 18:43:31 · 441 阅读 · 0 评论 -
机器学习初步
写给自己的一些废话从大学到研究生,学习了不少数学知识,如线性代数,高等数学,概率论与数理统计,由于专业是软件,学了一些编程语言,数据结构和算法。但是知识一直是停留在书本上,对于编程,也只是停留在做个网站,写个app,并没有太大的兴趣。工作的同伴很多人都对做出一些东西而感到有成就感,然而我好像对那些并无太大的感觉,可能是因为觉得那些都是一个熟练工的问题,用的也是别人写好的API,SDK而已,用多了自然原创 2016-02-14 18:10:19 · 383 阅读 · 0 评论 -
决策树分类算法(监督式)
没有那么难的算法,竟然也看了两个晚上,果然上了年纪。。 其实我是把这个算法到底是为了干什么没抓住。这个算法就是为了分类!!!目标举例来说,我想知道我应该佩戴哪种眼镜,那么树脂的,玻璃的,这个就是最终想得到的目标结果。那么如何判断呢?需要依据我的度数,价位来进行判断,这两个就是对结果进行分类时需要的特征向量。所以最终,我输入我的度数,和价位,系统就能告诉我我应该佩戴树脂还是玻璃的眼镜啦!步骤为了能原创 2016-02-17 00:17:06 · 1649 阅读 · 0 评论