小个征一点点-CSDN博客

原创《机器学习实战》读书笔记第四章朴素贝叶斯（part 2）

只要有一天睡眠不足，接下来几天都会丧失全部战斗力。 ——论我为什么抓紧一切时间补觉 ***************************************************************************************************** part 2 基于字标注的最大熵分词模型 “最大熵”是一种人生态度。它是每次犹豫不决时就

2015-01-19 14:15:58 673

原创《机器学习实战》读书笔记第四章朴素贝叶斯（part 1）

占位

2015-01-08 16:50:54 900

原创《机器学习实战》读书笔记第三章决策树（part 3）

#以下为ID3算法个征独家解（tu）说（cao）版本。话说python的注释为何是红色。。 from math import log import operator #1.构建样本数据集，前两个维度是特征维度（对应于labels里的特征名），最后一个维度是类别维度（鱼类、非鱼类） def createDataSet(): dataSet = [[1, 1, 'yes'],

2015-01-07 14:46:00 399

原创《机器学习实战》读书笔记第三章决策树（part 2）

part 2 树、字典、递归上一篇讲解了决策树算法的数学理论基础，接下来讲讲具体是怎么实现的。首先，决策树是以一棵树的形式进行存储的。树是一种数据结构，它是若干结点的集合，是由唯一的根结点和若干互不相交的子树组成的（翻开《数据结构高分笔记》，念）。就像这样：第三章决策树（part 2）" TITLE="《机器学习实战》读书笔记第三章决策树（part 2）" /> 目前我们只

2015-01-07 14:45:56 556

原创《机器学习实战》读书笔记第三章决策树（part 1）

part 1 信息量、香农熵、信息增益所谓决策树算法，就是一次次根据某个特征进行分类，比如“20个问题猜出ta是谁”游戏，你可以问“是男的吗”“是直的吗”“是哥大的吗”之类的问题，每次得到答案，你的范围就缩小一些，如此循环往复以至于——得到一个确定结果为止。（不过决策树算法并不一定采用二分法）听起来很简单的样子，但重点是，首先应选择哪个特征进行划分？其次？再次？划分数据集的原则是：

2015-01-07 14:45:53 592

原创《机器学习实战》读书笔记第二章 k-近邻算法

即将翻篇的2014年是我的编程元年，这一年从换工作到考研各种忙。等到一切都尘埃落定，就打算静下心来，把这一年学到的东西好好总结一下，也分享给后来人攒攒rp~相信我遇到的问题很多新手都会遇到的，如果能带给大家一点帮助，我就满足了。《机器学习实战》是我第一本编程书。因为13年左右这本书很火的样子，又听说python很简单白痴都能看懂，于是我无视了自己在编程方面一无所知的事实，一有空就马上看起来了。

2015-01-07 14:45:51 467

小个征一点点

原创《机器学习实战》读书笔记第四章朴素贝叶斯（part 2）

原创《机器学习实战》读书笔记第四章朴素贝叶斯（part 1）

原创《机器学习实战》读书笔记第三章决策树（part 3）

原创《机器学习实战》读书笔记第三章决策树（part 2）

原创《机器学习实战》读书笔记第三章决策树（part 1）

原创《机器学习实战》读书笔记第二章 k-近邻算法

空空如也

空空如也

原创 《机器学习实战》读书笔记 第四章 朴素贝叶斯（part 2）

原创 《机器学习实战》读书笔记 第四章 朴素贝叶斯（part 1）

原创 《机器学习实战》读书笔记 第三章 决策树（part 3）

原创 《机器学习实战》读书笔记 第三章 决策树（part 2）

原创 《机器学习实战》读书笔记 第三章 决策树（part 1）

原创 《机器学习实战》读书笔记 第二章 k-近邻算法

空空如也

空空如也

原创《机器学习实战》读书笔记第四章朴素贝叶斯（part 2）

原创《机器学习实战》读书笔记第四章朴素贝叶斯（part 1）

原创《机器学习实战》读书笔记第三章决策树（part 3）

原创《机器学习实战》读书笔记第三章决策树（part 2）

原创《机器学习实战》读书笔记第三章决策树（part 1）

原创《机器学习实战》读书笔记第二章 k-近邻算法