![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
chenbinbin
这个作者很懒,什么都没留下…
展开
-
看《集体智慧编程》二三章总结
第二章 提供推荐 推荐的方式主要分为两类,一种是基于物品的推荐,一种是基于用户的推荐。基于物品的推荐,就是计算物品之间的相似度,例如物品A和物品B相似,假如用户购买了物品A,则用户极有可能购买物品B。基于用户的推荐就是找到相似的用户,例如“用户A购买了商品A和商品B,用户B购买了商品A,假如经过计算,用户A和用户B是相似的,则用户B极有可能购买商品B。 在数据量大的情况下,基于物品的过滤能够得原创 2015-01-27 17:30:40 · 531 阅读 · 0 评论 -
文章标题
机器学习–监督学习部分算法总结KNN算法: KNN即最近邻算法,其主要过程为: 1. 计算训练样本和测试样本中每个样本点的距离(常见的距离度量有欧式距离,马氏距离等); 2. 对上面所有的距离值进行排序; 3. 选前k个最小距离的样本; 4. 根据这k个样本的标签进行投票,得到最后的分类类别; 如何选择一个最佳的K值,这取决于数据。一般情况下,在分类时较大的K值能够减原创 2015-02-09 14:40:36 · 441 阅读 · 0 评论 -
机器学习算法之CART(分类和回归树)
CART算法介绍: 分类和回归树(CART)是应用广泛的决策树学习方法。CART同样由特征选择,树的生成和减枝组成,既可以用于分类也可以用于回归。CART的生成就是递归的构建二叉决策树的过程。对回归树用平方误差最小化(RMSE),对分类树用基尼指数最小化准则,进行特征选择,生成二叉树。1.回归树生成的算法介绍 输入:训练数据集D 输出:回归树f(x) 在训练数据集所在的输入空间中,递归的将每原创 2015-03-06 21:29:22 · 5811 阅读 · 1 评论 -
2015/3/13这周总结
这周首先是对前段时间的机器学习进行总结,所有总结我都手写的,便于加深理解和总结,总结我都拍照下来了,如下图: 读书:最近正在看数学之美,目前看了三章。 毕业论文:重看了魏涛涛和方一曙学长的毕业论文,确定了我自己的实验数据格式和数据抽取方式,周六周日需要简单了解下python下爬虫的实现,用来进行抓取实验数据。原创 2015-03-13 18:56:42 · 399 阅读 · 0 评论