![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 55
何小义的AI进阶路
记录各种技术坑,记录学习笔记,gogogo
展开
-
贝叶斯算法简单理解
下边是我对贝叶斯算法的简单理解,时间关系,推导不是很严谨,仅仅记录一下基本实现:贝叶斯定理:P(C|X) = P(X|C)*P(C) | P(X)注:这里C和X都是集合,C是所有类别集合,比如男人和女人,C1和C2X是所有样本特征集合,比如身高和体重和颜值,X1/X2/X3...我们称P(C|X)为某个特征下的某个类出现的概率,也是我们推理时候要求的概率。比如...原创 2022-03-22 11:03:34 · 1344 阅读 · 0 评论 -
决策树ID3算法理解
最近再看 “推荐系统开发实战”--高阳团 这本书时候,里边举了个例子将决策树ID3过程,觉得讲的比较好,这里做个记录!!!!重点在于:(1)每一次都要算某个特征属性的信息增益;(2)根据信息增益最大特征属性做划分;最后分不了的就是叶子节点。信息增益:g(D, A) = E(D) - E(D|A), E(D)是所有类别D的信息熵,后者是基于特征值A分割后计算的信息熵。熵:-P(Xi)log2P(Xi)...原创 2021-11-22 14:44:34 · 829 阅读 · 4 评论 -
推荐系统--矩阵分解(MF)--学习笔记
PS.该贴为记录矩阵分解的一点学习笔记。以后会慢慢优化。目前该帖子有点凌乱,但是逻辑基本上没有遗漏。至于公式原理我个人也还在熟悉当中.........目录1 矩阵分解简介2 隐语义模型4 矩阵分解的求解和basic SVD5 python实现1 矩阵分解简介协同过滤算法的特点就是完全没有利用到物品本身或者是用户自身的属性, 仅仅利用了用户与物品的交互信息就可以实现推荐,是一个可解释性很强, 非常直观的模型, 但是也存在一些问题, 第一个就是处理稀疏矩阵的能力比较弱, 所以原创 2020-10-25 17:49:47 · 1416 阅读 · 0 评论 -
推荐系统--协同过滤--学习笔记
目录1 协同过滤简介2 几种相似性度量的方法3 基于用户的协同过滤4 基于物品的协同过滤5 协同过滤算法评估6 协同过滤的权重改进7 协同过滤一些问题思考0 推荐算法简介及评估 参考我的上一篇学习笔记:推荐系统--常见评估指标--学习笔记1 协同过滤简介协同过滤(Collaborative Filtering):是最经典、最常用的推荐算法,是推荐系统入门的算法。 所谓协同过滤, 基本思想是根据用户之前的喜好,以及其他兴趣相近的用户的选择...原创 2020-10-22 23:14:18 · 262 阅读 · 0 评论 -
推荐系统--常见评估指标--学习笔记
1 推荐系统简介1. What 用户:推荐系统是一种帮助用户快速发现有用信息的工具 公司:推荐系统是一种增加公司产品与用户接触,购买等行为概率的工具2. Why 用户:在用户需求并不十分明确的情况下进行信息的过滤,与搜索系统相比,推荐系统更多的利用用户的各类 历史信息猜测其可能喜欢的内容 公司:解决产品能够最大限度地吸引用户,留存用户,增长用户黏性,提高用户转化率,从而达到公司商目标连 续增长的目的. 本质上是一种实现将用户原创 2020-10-18 18:03:01 · 1511 阅读 · 0 评论 -
机器学习之python实现逻辑回归
PS. 逻辑回归原理,有很多优秀的帖子详细介绍过,这里不再赘述。(或者后期有时间了再新写帖子专门记录原理)一、python逻辑回归简单案例1. 加载相关库# 基础函数库import numpy as np# 导入画图库import matplotlib.pyplot as pltimport seaborn as sns# 导入逻辑回归模型函数from sklearn.linear_model import LogisticRegression 注:上边seabor...原创 2020-08-19 23:24:15 · 2916 阅读 · 2 评论