- 博客(4)
- 收藏
- 关注
RSS订阅转载 Machine Learning in Action 学习笔记-（5）Logistic回归
logistic回归将会首次为我们引入最优化算法的分析思维，在对一系列点通过一条直线进行拟合的过程就是线性回归。寻找最佳的拟合参数，就需要用到我们常用的最优化算法。这里因为是进行二分类，所以可以使用Sigmoid函数实现分类。将线性回归问题转变为了最佳回归系数的迭代选择。梯度上升算法，随机梯度上升算法等都可以被用于这个最佳回归系数的选择过程。在预处理数据时，我们可以通过对缺失数
2016-06-05 23:55:55
1807
转载 Machine Learning in Action 学习笔记-（4）基于概率论的分类方法：朴素贝叶斯
开篇为我们讲解了许多实际应用情况下，我们可能不需要得到精准的分类，而是属于某一类的概率，以及属于其他类的概率。这里我就简单的以论坛侮辱性言语检测为例，来讲一下算法的流程。函数伪代码是：计算每个类别的文档数目对每篇训练文档：对每个类别：如果词条出现在了这个文档中->增加该文档的计数值增加所有词条的计数值对每个类别：对每个词条：将该词条的数目除以总体条数目得到条
2016-06-02 23:15:06
2051
转载 Machine Learning in Action 学习笔记-（3）决策树
决策树对于我们来说就像是一个具有终止块的流程图一样，终止块就向我们展示了分类的结果。通过使得信息熵变化至最小的原理构建我们的决策树不同的层，并且我们可以使用treePlotter.py这个模块来实现决策树的树形图绘制，能够更加直观的向我们展示决策树的结构。决策树的层数将会极大的和我们所具有的feature的数量有关，可能会存在终止块中无法准确决策出结果的情况（比如说feature过少）
2016-06-01 22:43:45
2107
转载 Machine Learning in Action 学习笔记-（2）kNN k近邻算法
kNN是最常见的聚类算法，通过比较待测被试特征与训练样本之间的欧式距离，选取k个最近的点，然后找出出现概率最高的label作为我们的预测结果。其中k的值，随机选择训练样本的方案，训练样本数目的变化都将会影响到我们最终的聚类准确率。这种基于实例的算法将会使我们无法知道平均实例样本，也将会影响到我们对于典型实例样本特征的理解。最大的收获是学会了更多的Python命令（在numPy）下的
2016-06-01 11:05:26
2031
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人