机器学习
小木头--
这个作者很懒,什么都没留下…
展开
-
机器学习入门读书笔记一(概述)
机器学习分为“监督学习”和“无监督学习”,“监督学习”的主要任务是“分类”和“回归”,之所以称之为监督学习,是因为这类算法必须知道预测什么,即目标变量的分类信息。与之对应的是“无监督学习”,“无监督学习”的主要任务是“聚类”和“密度估计”。原创 2016-08-14 00:14:11 · 968 阅读 · 0 评论 -
机器学习入门读书笔记二(k-近邻算法 kNN) 上
k-近邻算法(kNN)采用测量不同特征值之间的距离方法进行分类优点: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:数值型和标称型。工作原理:训练样本集的每条数据包含n个特征值和一个指明所属分类的标签,输入待处理数据后,将新数据的每个特征与样本集中数据对应的特征进行比较,提取k个最相似的数据,k条数据中出现次数最多的分类,即为新数据的推测原创 2016-08-14 10:01:29 · 1179 阅读 · 0 评论 -
机器学习入门读书笔记四(k-近邻算法 kNN) 下
使用k-近邻分类器的手写识别系统背景:利用k-近邻算法构造可以识别数字0到9的系统,需要处理的数字已经使用图形处理软件,处理成32*32像素的黑白图像,为了方便理解,数据以文本文件存储(虽然这不是一个好办法),数据格式如下:00000000000001100000000000000000000000000000111111000000000000000000000000011111原创 2016-08-14 20:29:46 · 1166 阅读 · 0 评论 -
机器学习入门读书笔记三(k-近邻算法 kNN) 中
使用k-近邻算法改进约会网站的配对效果背景:我的朋友海伦一直使用在线约会网站寻找适合自己的约会对象。尽管约会网站会推荐不同人选,但她没有从中找到喜欢的人。经过一番总结,她发现曾交往过三种类型的人:不喜欢的人魅力一般的人极具魅力的人尽管发现了上述规律,但海伦依然无法将约会网站推荐的匹配对象归入恰当的分类。她觉得可以在周一到周五约会那些魅力一般的人,而周原创 2016-08-14 16:11:31 · 3815 阅读 · 0 评论