机器学习
文章平均质量分 80
blackproof
这个作者很懒,什么都没留下…
展开
-
机器学习 一 基本概念
机器学习基本概念:(定义)1.机器学习:从数据中寻找有价值的模式(操作) 通过学习表现更好的行为(操作) 2.属性列表法:属性的组合,对应结果 3.决策列 decision list : 属性组合对应结果明确结果(可以减少决策判断次数,如下雨yes,玩no。之后的条件就无需判断),有上下文。 4.决策树法:指出做出的决策顺序,和建议 ...原创 2013-06-26 19:49:20 · 57 阅读 · 0 评论 -
机器学习 三 输出
原创 2013-06-28 18:39:24 · 538 阅读 · 0 评论 -
机器学习 四 基本方法一
原创 2013-07-03 17:43:40 · 135 阅读 · 0 评论 -
转 朴素贝叶斯算法
原创 2014-05-06 22:06:15 · 90 阅读 · 0 评论 -
梯度上升算法实现
原创 2014-05-08 21:19:51 · 1229 阅读 · 0 评论 -
C4.5算法 转
原创 2014-06-22 18:36:45 · 125 阅读 · 0 评论 -
机器学习 线性回归
原创 2014-06-22 23:55:23 · 117 阅读 · 0 评论 -
机器学习方法概述
原创 2014-07-16 23:29:15 · 152 阅读 · 0 评论 -
基于hadoop的推荐算法-mahout版
2014-08-29 17:25:28 · 638 阅读 · 0 评论 -
Rocchio算法
原创 2014-09-16 20:57:53 · 299 阅读 · 0 评论 -
推荐系统123
.2推荐系统的主要方法2.常用推荐算法2.1协同过滤:2.2基于人口统计学的过滤2.3内容过滤2.4社会化过滤2.5地理位置过滤3评价推荐结果3.1准确度3.2覆盖度3.3多样性3.4新颖性和惊喜度2014-09-17 17:42:53 · 78 阅读 · 0 评论 -
机器学习 二 输入
2013-06-27 15:15:45 · 184 阅读 · 0 评论 -
机器学习 一 基本概念
原创 2013-06-26 19:49:20 · 82 阅读 · 0 评论 -
推荐系统概述转
在推荐系统简介中,我们给出了推荐系统的一般框架。很明显,推荐方法是整个推荐系统中最核心、最关键的部分,很大程度上决定了推荐系统性能的优劣。目前,主要的推荐方法包括:基于内容推荐、协同过滤推荐、基于关联规则推荐、基于效用推荐、基于知识推荐和组合推荐。一、基于内容推荐 基 于内容的推荐(Content-based Recommendation)是信息过滤技术的延续与发...原创 2014-10-29 10:13:20 · 75 阅读 · 0 评论 -
机器学习 二 输入
机器学习:输入 一、四种学习方式:1.分类学习 classification learning : 用一个已分类的样本集表示学习方法2.关联学习 association learning : 寻找任何特征之间的关联3.聚类 clustering : 寻找能够组合在一起的样本,并以此分组4.数值预测 numeric prediction : 预测出的是一个数值量,不是离散类...2013-06-27 15:15:45 · 185 阅读 · 0 评论 -
机器学习 三 输出
机器学习:输出 机器学习的输出时一系列的模式的表达方式,是推断数据输出结构的技术以下就是输出结构的表达方式: 一、决策表与输入的表格相似,从输入表中找到一些合适的条件组合来确定最终的结果 二、决策树一个决策树上的节点包含了对某个特定属性的测试。叶节点给到达叶子的实例给出一个分类。当路径采用分裂成几个部分,分裂部分需要有权值,权值和为1路径:1.名...原创 2013-06-28 18:39:24 · 246 阅读 · 0 评论 -
梯度上升算法实现
机器学习实战中也详细描述了梯度上升算法,附件里是一些笔记,再贴一个还不错的帖子 转 http://blog.csdn.net/wyb_009/article/details/9205151 这个算法搞得我晚上十点打电话给弟弟,问Ln(x),1/x的导数公式。很惭愧,大学时被我用的出神入化、化成灰我都能认出的求导公式,我今天居然忘了;这时也要说说西市佳园的移动网络信号,真...原创 2014-05-08 21:19:51 · 135 阅读 · 0 评论 -
C4.5算法 转
http://blog.csdn.net/xuxurui007/article/details/18045943 C4.5是机器学习算法中的另一个分类决策树算法,它是基于ID3算法进行改进后的一种重要算法,相比于ID3算法,改进有如下几个要点:用信息增益率来选择属性。ID3选择属性用的是子树的信息增益,这里可以用很多方法来定义信息,ID3使用的是熵(entropy, 熵是一种不纯度...原创 2014-06-22 18:36:45 · 96 阅读 · 0 评论 -
机器学习方法概述
KNN k临近算法遍历所有训练样本,求距离最近的点的结论,作为最后的预测结果MR版:map求样本距离(key:样本,value:距离),combine求的最小值,是过滤功能,reduce就有一个求得距离最小值 贝叶斯:贝叶斯定理公式:P(A|B)=P(B|A)*P(A)/P(B)贝叶斯将在属性条件下的结论的概率转为:在结论条件下属性的概率的乘积*结论的概率求得样本属...原创 2014-07-16 23:29:15 · 166 阅读 · 0 评论 -
Rocchio算法
Rocchio算法是IR中通过查询的初始匹配文档对原始查询进行修改以优化查询的方法。Rocchio 算法是相关反馈实现中的一个经典算法,它提供了一种将相关反馈信息融到向量空间模型的方法。基本理论:假定我们要找一个最优查询向量q ,它与相关文档之间的相似度最大且同时又和不相关文档之间的相似度最小。若Cr表示相关文档集,Cnr表示不相关文档集,那么我们希望找到的最优的q 是:sim 函数用于...原创 2014-09-16 20:57:53 · 124 阅读 · 0 评论 -
推荐系统概述转
能的优劣。目前,主要的推荐方法包括:基于内容推荐、协同过滤推荐、基于关联规则推荐、基于效用推荐、基于知识推荐和组合推荐。一、基于内容推荐 基 于内容的推荐(Content-based Recommendation)是信息过滤技术的延续与发展,它是建立在项目的内容信息上作出推荐的,而不需要依据用户对项目的评价意见,更多地需要用机 器学习的方法从关于内容的特征描述的事例中得到用户的兴趣资料。在基于内容的推荐系统中,项目或对象是通过相关的特征的属性来定义,系统基于用户评价对象 的特征,学习用户原创 2014-10-29 10:13:20 · 112 阅读 · 0 评论