本文介绍了Python机器学习的十大算法案例，包括k-近邻字符识别、朴素贝叶斯垃圾邮件过滤、Logistic回归预测病马死亡率、协同过滤推荐系统、异常值分析支付欺诈侦测、决策树预测隐形眼镜类型、Apriori算法关联分析毒蘑菇特征、社会网络分析电信种子客户、文本分析红楼梦归属判断以及PCA数据降维。案例覆盖了分类、推荐、欺诈检测等多个领域。
1、k-近邻算法：手写字符识别
通过算法训练识别字符为0-9的数字，也可以为A-Z的字符，目前sklearn提供的数据集里面为0-9的数字。数据训练前需要用图像处理软件将数字转换成宽高为32X32的黑白图像，然后将其变换成1x1024的向量。
2、朴素贝叶斯：垃圾邮件过滤
邮箱系统如何分辨一封Email是否属于垃圾邮件？这应该属于文本挖掘的范畴，通常会采用朴素贝叶斯的方法进行判别。它的主要原理是，根据邮件正文中的单词，是否经常出现在垃圾邮件中，进行判断。
更多Python视频、源码、资料加群683380553免费获取
3、Logistic回归：预测病马的死亡率
Logistic回归又称Logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。使用Logistic回归来预测患疝气病的马的存活问题是一个典型的案例，项目数据集包含了医院检测马疝病的368个样本和28个特征，有的指标比较主观，有的指标难以测量。
4、基于协同过滤：菜肴推荐引擎
构建一个推荐系统，该系统可以像一个人推荐去哪儿吃饭和菜品推荐，解决人们选择饭店和不知道点什么菜的问题。这个系统能够寻找用户没有尝过的菜肴，预估用户对该菜品的评分，然后通过SVD来减少特征空间并提高推荐效果。
5、基于异常值分析：支付中的交易欺诈侦测
采用支付宝支付时，或者刷信用卡支付时，系统会实时判断这笔刷卡行为是否属于盗刷。通过判断刷卡的时间、
最低0.47元/天 解锁文章
扫一扫
819
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
