机器学习
文章平均质量分 81
promise_LOVE
陪伴是最长情的爱! 我的成长之路从2015年开始,学习学习,为了一个承诺:我曾经对自己说要让你快乐,带你翻过大山大河,不能让自己一无所有,只要让我默默在你左右。
展开
-
决策树学习笔记整理<分享>
本文目的最近一段时间在Coursera上学习Data Analysis,里面有个assignment涉及到了决策树,所以参考了一些决策树方面的资料,现在将学习过程的笔记整理记录于此,作为备忘。 算法原理决策树(Decision Tree)是一种简单但是广泛使用的分类器。通过训练数据构建决策树,可以高效的对未知的数据进行分类。决策数有两大优点:1)决策树模型可以读性好转载 2014-09-21 20:31:31 · 663 阅读 · 0 评论 -
决策树<百度百科分享>
对于机器学习从今天开始好好学习,记录自己的学习经历http://baike.baidu.com/view/589872.htm?fr=aladdin转载 2014-09-21 19:15:10 · 390 阅读 · 0 评论 -
四种聚类方法之比较
聚类分析是一种重要的人类行为,早在孩提时代,一个人就通过不断改进下意识中的聚类模式来学会如何区分猫狗、动物植物。目前在许多领域都得到了广泛的研究和成功的应用,如用于模式识别、数据分析、图像处理、市场研究、客户分割、Web文档分类等[1]。 聚类就是按照某个特定标准(如距离准则)把一个数据集分割成不同的类或簇,使得同一个簇内的数据对象的相似性尽可能大,同时不在同一个簇中的数据对象的差异性也尽可能转载 2015-03-16 10:09:39 · 1723 阅读 · 0 评论 -
【机器学习】信息、熵和信息增益
关于对信息、熵、信息增益是信息论里的概念,是对数据处理的量化,这几个概念主要是在决策树里用到的概念,因为在利用特征来分类的时候会对特征选取顺序的选择,这几个概念比较抽象,我也花了好长时间去理解(自己认为的理解),废话不多说,接下来开始对这几个概念解释,防止自己忘记的同时,望对其他人有个借鉴的作用,如有错误还请指出。1、信息这个是熵和信息增益的基础概念,我觉得对于这个概念的理解更应该转载 2015-06-17 13:36:11 · 1161 阅读 · 0 评论 -
决策树建模
决策树是一种简单的机器学习方法。决策树经过训练之后,看起来像是以树状形式排列的一系列if-then语句。一旦我们有了决策树,只要沿着树的路径一直向下,正确回答每一个问题,最终就会得到答案。沿着最终的叶节点向上回溯,就会得到一个有关最终分类结果的推理过程。决策树:1234567class de转载 2015-06-17 13:48:47 · 1829 阅读 · 0 评论