人工智能
@玉面小蛟龙
这个作者很懒,什么都没留下…
展开
-
Apriori算法代码详解
代码源自:连接"""#-*- coding: utf-8 -*-"""def load_data_set(): """ 将题目中的每个列表写入数据集,返回返回数据集 """ data_set = [['l1', 'l2'], ['l1', 'l3', 'l4', 'l5'], ['l2', 'l3', 'l4', 'l6'], ['l1', 'l2', 'l3', 'l4'], ['l1', 'l2', 'l3','l6']] ret原创 2020-06-05 15:07:13 · 2397 阅读 · 0 评论 -
学习决策树生成算法ID3
文章目录学习ID3之前先了解一些知识以及一些概念分类算法分类算法的评估聚类决策树决策树的结构ID3信息增益学习ID3之前先了解一些知识以及一些概念分类算法分类算法一般是做决策或是预测。决策就有决策树,预测就有聚类分类算法的评估训练测试法交叉验证法聚类聚类是根据客体属性对一系列未分类的客体进行类别的识别,把一组个体按照相似性归成若干类。聚类属于无监督学习(根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题,称之为无监督学习。)聚类学习连接决策树决策树(Decision Tr原创 2020-05-23 11:42:09 · 2384 阅读 · 0 评论 -
聚类算法之k-means
文章目录分类与聚类聚类的划分划分法k-means算法k-means算法步骤距离的计算准则函数应用实例理解k-means算法第一步:规格化数据第二步:选取k个初始聚类中心第三步:计算每个对象到每个簇中心的距离第四步:根据上面第一次分类的结果重新计算中心第五步:判断实例的最后分类k-means算法可视化python代码k-means算法的优缺点分类与聚类分类是指将数据归于一系列已知类别之中的某个类的分类过程聚类是根据客体属性对一系列未分类的客体进行类别的识别,把一组个体按照相似性归成若干类。聚类属于无监督原创 2020-05-18 18:17:56 · 1112 阅读 · 0 评论 -
信息熵是什么
1948年,香农提出了“信息熵”的概念,解决了对信息量化度量的问题信息熵的公式:P(xi)代表随机事件xi的概率信息量: 是对信息的度量(时间的度量是秒)多少信息用信息量来衡量,接收到的信息与发生的时间有关。信息的大小与随机事件的概率有关。越小概率的事件发生产生的信息量越大(比如说一个人10天不吃饭都没事),越大概率的事件发生产生的信息量越小(比如说一个人饭后走两步)。因此一个具体的事件的信息应该是随着发生的概率的增大而递减的,并且不能为负如果两个不想关的事件x和y,两个事件同时发生的获得的信转载 2020-05-14 12:08:14 · 565 阅读 · 0 评论 -
knn详细注释python
from numpy import *import operator as opt# 对数据集进行规范化def normData(dataSet): maxVals = dataSet.max(axis=0) # 求出一列的最大值 minVals = dataSet.min(axis=0) # 求出一列的最小值 ranges = maxVals - minVals # 对有个数据进行规范的时候,用数据集减去这一列最小的除以这一列的最大值减去最小值,保证数据的范围在0-1内 r原创 2020-05-13 21:28:54 · 167 阅读 · 0 评论