ML
不挑食的程序猿
这个作者很懒,什么都没留下…
展开
-
ML学习笔记-K-近邻值算法
一般流程1.收集数据:可以使用任何方法。2.准备数据:距离计算所需要的数值,最好是结构化的数据格式。3.分析数据:可以使用任何方法。4.训练算法此步骤不适用于k-近邻算法5.测试算法计算错误率6.使用算法首先需要输入样本数据和结构化的输出结果,然后运行k-近邻算法判定输入数据分别属于哪个分类,最原创 2016-04-28 16:05:11 · 444 阅读 · 0 评论 -
ML学习笔记-决策树
一般流程1.收集数据:可以使用任何方法。2.准备数据:树构造算法只适用于标称型数据,因此数值型数据必须离散化。3.分析数据:可以使用任何方法,构造树完成之后,我们应该检查图形是否符合预期。4.训练算法构造树的数据结构5.测试算法使用经验树计算错误率6.使用算法此步骤可以适用于任何监督学习算法,而原创 2016-05-03 10:54:12 · 708 阅读 · 0 评论 -
ML学习笔记-朴素贝叶斯
一般流程1.收集数据:可以使用任何方法。本章使用RSS源。2.准备数据:需要数值型或者布尔型数据。3.分析数据:有大量特征时,绘制特征作用不大,此时使用直方图效果更好。4.训练算法:计算不同的独立特征的条件概率。5.测试算法:计算错误率6.使用算法:一个常见的朴素贝叶斯应用是文档分类。可以在任意的分类原创 2016-05-05 13:56:22 · 382 阅读 · 0 评论