机器学习
Stefan-0704
这个作者很懒,什么都没留下…
展开
-
机器学习(7)——Logistic回归(从疝气病症预测病马的死亡率)
转载请注明作者和出处:https://blog.csdn.net/qq_28810395Python版本: Python3.x运行平台: Windows 10IDE: Pycharm profession 2019如有需要数据集或整个工程文件的可以关注Stefan0704回复Logistic回归一、前言 我们日常生活中不能避免的要遇到很多最优化问题,比如以最小工作量却获得最大利益?如何在最短时间内从A点到B点?如何设计发动机使得油耗最小而功率最大?由此解决这些问题含有重要意义,也有现实需.原创 2020-09-01 18:29:45 · 3191 阅读 · 2 评论 -
机器学习(6)——朴素贝叶斯(文本分类)
转载请注明作者和出处:https://blog.csdn.net/qq_28810395Python版本: Python3.x运行平台: Windows 10IDE: Pycharm profession 2019如有需要数据集或整个工程文件的可以关注Stefan0704回复朴素贝叶斯进行获取。概率论相关 学习贝叶斯要涉及一些数学中的概率与条件概率,下面具体讲解,如下图在一个盒子中有7个砖头,其中三块是灰色,四块是黑色,如果随机从中取一块砖头,取到(灰|黑)的概率,就可以通过(灰|黑)砖头.原创 2020-08-18 11:42:29 · 532 阅读 · 0 评论 -
机器学习(5)——决策树(预测隐形眼镜类型)
如有需要数据集或整个工程文件的可以进行关注**cai_5158046**回复**决策树**进行获取。原创 2020-07-30 20:14:33 · 1805 阅读 · 0 评论 -
机器学习(4)——手写识别系统实例
基本概念利用K-近邻算法对0-9的32*32的黑白数字图像进行归类。基本思路步骤收集数据:提供文本文件;准备数据:编写图像格式转化为可供分类器使用的向量格式的函数代码;分析数据:进行检查数据,确保符合要求;训练算法:此步骤不适用与K-近邻算法;测试算法:编写函数使用提供的部分数据集作为测试样本,进行测试;使用算法:产生简单的程序,从图像中提取数字,进行数字识别。将图像转化为测试向量将如图所示3232的二进制图像矩阵转换为11024的向量。首先编写图像转换向量代码:进行验证:原创 2020-07-03 22:10:16 · 2828 阅读 · 0 评论 -
机器学习(3)——K-近邻算法改进约会网站的配对效果实例
基本概念 利用K-近邻算法对约会网站中匹配对象进行快速归类。基本思路步骤 手机数据:提供文本文件; 准备数据:使用Python解析文本文件; 分析数据:使用Matplotlib画二维扩散图; 训练算法:设计分类算法; 测试算法:使用部分数据作为测试样本,观测错误率; 使用算法:产生简单的程序,输入特征数据判断对象是否为喜欢类型。 手机数据:提供文本文件; 准备数据:使用Python解析文本文件; 分析数据:使用Matplotlib画二维扩散图; 训练算法:设计分类算法; 测试算法原创 2020-07-03 21:59:11 · 174 阅读 · 0 评论 -
机器学习(2)——K-近邻算法讲解
## K-近邻算法概述定义:采用测量不同特征值之间的距离方法进行分类;优点: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:在输入一个新数据后将新数据的每一个特征与样本集中数据对应特征进行比较,利用算法提取样本集中特征最相似数据(最近邻)的分类标签,选取样本数据集中前K个最相似数据(K一般小于20),最后,选择K个最相似数据中出线次数最多的分类,作为新数据的分类。* 标称型:一般在有限的数据中取,而且只存在‘是’和‘否’两种不同的结果(一般用于分类)* 数值型:可以在无原创 2020-06-26 18:42:49 · 225 阅读 · 0 评论 -
机器学习(1)——基础概念
机器学习简单概述机器学习是一门多学科交叉专业,涵盖概率论知识,统计学知识,近似理论知识和复杂算法知识,使用计算机作为工具并致力于真实实时的模拟人类学习方式, 并将现有内容进行知识结构划分来有效提高学习效率。换句话说,就是机器学习使我们利用计算机彰显数据背后的真实含义。机器学习的领域机器学习的适用现实应用领域包括数据挖掘、视觉识别、语音识别、自然语言处理、推荐系统等。数据挖掘:主要处理的是一些结构化的处理,一般就是对某个变量进行分类或者回归,主要应用于金融防控,精准营销等领域。视觉识别:主要就是与图原创 2020-06-26 18:32:12 · 764 阅读 · 0 评论