2017年12月_张先生的blog

12月 09月 08月

原创《机器学习实战》3.决策树算法分析与源码实现

结合源码分析第三章中实现的Demo 运行环境：Anaconda——Jupyter Notebook Python版本为：3.6.2（原书代码实现为2.x 所以在一些代码上略有改动）阅读本博文你将获取： 1.决策树的基本思想 2.信息增益和熵的概念——本文中使用信息增益作为划分数据集的标准 3.全部的代码实现，且包含了大部分注释，便于初学者者理解 4.在最后的总结部分对决策树的优缺点做

2017-12-11 21:29:26 1067

原创《机器学习实战》2.K-近邻算法分析与源码实现（文末附官方勘误表）

结合源码分析第二章中实现的Demo 本人安装的是Anaconda，程序在Jupyter Notebook上运行的。第一次实战，注解比较多。另外我将一些函数做了总结与对比，见我的这篇文章前言k近邻是一种基本分类与回归方法。k近邻法的输入为实例的特征向量，对应于特征空间的点，输出为实例的类别，可以取多类。k近邻法假设给定一个训练数据集，其中的实例类别已定。分类时，对新的实例，根据其K个最近邻的训练

2017-12-10 17:37:39 1109 1

原创《机器学习实战》——2.k-近邻算法（KNN ）函数总结

* 在《机器学习实战》第二章中，使用了KNN算法改进约会网站配对效果。本文为在实现过程中使用到的一些函数基本用法的总结。* 1. str.strip()方法语法：str.strip([chars]) 功能：返回移除字符串头尾指定字符后生成的新字符串参数： chars 需要移除字符串头尾的指定字符（默认是空格）官方文档描述： Return a copy of the string w

2017-12-10 13:55:18 439

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 《机器学习实战》3.决策树算法分析与源码实现

原创 《机器学习实战》2.K-近邻算法分析与源码实现（文末附官方勘误表）

原创 《机器学习实战》——2.k-近邻算法（KNN ）函数总结

空空如也

空空如也

原创《机器学习实战》3.决策树算法分析与源码实现

原创《机器学习实战》2.K-近邻算法分析与源码实现（文末附官方勘误表）

原创《机器学习实战》——2.k-近邻算法（KNN ）函数总结