坤的专栏

import matplotlib.pyplot as pltimport matplotlib.patches as patches# build a rectangle in axes coordsleft, width = .25, .5bottom, height = .25, .5right = left + widthtop = bottom + heightfig =

什么是数据挖掘？数据挖掘是在大型数据存储库中，自动地发现有用信息的过程。数据挖掘技术用来探查大型数据库，发现前所未知的有用模式。数据挖掘还可以预测未来的观测结果。并非所有的信息发现任务都被视为数据挖掘，与信息检索的区别。数据挖掘任务预测建模，有两类预测建模任务：分类（classification）和回归（regression）。分类用于预测离散的目标变量；回归用于预测连续的目标变量。如

我整理的一些机器学习简明资料，适合刚接触机器学习领域的人（我就是）： 机器学习十大算法的每个算法的核心思想、工作原理、适用情况及优缺点

我拜读了yangliuy的博客，他用c++实现了决策树算法。我用一天时间仔细阅读了他的代码，确实很好。并且在他代码的基础之上添加了一些注释，便于自己理解。转载自：http://blog.csdn.net/yangliuy/article/details/7322015#include #include #include #include #include #include

经常遇到的问题是下溢出，这是由于太多很小的数相乘造成的。当计算乘积时，由于大部分因子都非常小，所以程序会下溢出或者得到不正确的答案。（读者可以用Python尝试相乘许多很小的数，最后四舍五入后会得到0。）一种解决办法是对乘积取自然对数。在代数中有ln(a*b)=ln(a)+ln(b)，于是通过求对数可以避免下溢出或者浮点数舍入导致的错误。同时，采用自然对数进行处理不会有任何损失。图给出函数f(x)

import numpy as npimport matplotlib.pyplot as pltmu,sigma=100,15x=mu+sigma*np.random.randn(10000)n,bins,patches=plt.hist(x,50,normed=1,facecolor='g',alpha=0.75)plt.xlabel('Smarts')plt.ylabel('

import numpy as npimport matplotlib.pyplot as pltarr=np.arange(100).reshape((10,10))plt.close('all')fig=plt.figure(figsize=(5,4))ax=plt.subplot(111)im=ax.imshow(arr,interpolation="none")plt.t

K最近邻分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该算法的思路是：如果一个样本在特征空间中的k个最相似（即特征空间中最邻近）的样本中的大多数属于某个类别，则该样本也属于这个类别。

import numpy as npimport matplotlib.pyplot as pltt = np.arange(0.0, 2.0, 0.01)s = np.sin(2*np.pi*t)plt.plot(t,s)plt.title(r'$\alpha_i > \beta_i$', fontsize=20)plt.text(1, -0.6, r'$\sum_{i=0}^\in

最近想用python做些机器学习方面的事情，就买了本《机器学习实战》研究，Peter Harrington编写的，人民邮电出版社出版，2013年6月上市的。是本很新的书。首先第一件事情是配置学习环境，我个人的笔记本上安装了pythonxy，什么工具都安装好了，很省心。我也想在实验室的电脑上安装配置好环境。不过，这台PC上只安装了标准的python，不想用pythonxy了（这个工具集成有500

import numpy as npimport matplotlib.pyplot as pltax=plt.subplot(111)t=np.arange(0,5,0.01)s=np.cos(2*np.pi*t)line=plt.plot(t,s,lw=2)plt.annotate('local max',xy=(2,1),xytext=(3,1.5),

距离（Distance）用于衡量个体在空间上存在的远近，距离越远说明个体间的差异越大。欧几里德距离（Euclidean Distance）欧式距离是最常见的距离度量，衡量的是多维空间中各个点之间的绝对距离。公式如下：