机器学习实战-读书笔记
文章平均质量分 72
L-D-Xiao
希望与大家成为好朋友,一起学习进步!
展开
-
机器学习实战—第1章
1.1 何谓机器学习1.2 关键术语 特征(属性):数值型、二值型、枚举类型。特征或属性通常是训练样本的列,它们是独立测量得到的结果,多个特征联系在一起共同组成了一个训练样本 分类:是基本的机器学习任务 目标变量:分类任务中通常为标称型,回归任务通常为连续型 训练样本 训练集 训练数据、测试数据 1.3 机器学习的主要任务 分类 回归 分类和回归属于监督学习,这类算法必须知道预测什么,即目标变量的分原创 2017-05-24 21:16:02 · 594 阅读 · 0 评论 -
机器学习实战—第2章 k-近邻算法
2.1 K-近邻算法概述简单地说,k-近邻算法采用测量不同特征值之间的距离方法进行分类。k-近邻算法 优点: 精度高、对异常值不敏感、无数据输入假定 缺点 计算复杂度高、空间复杂度高 使用数据范围: 数值型和标称型 k-近邻算法的工作原理:存在一个样本数据集合,也称作训练样本集,并且样本集中每个数据都存在标签,即知道样本集中每一数据与所属分类的关系。输入没有标签的新数据后,将新数据的每个特征与原创 2017-05-24 22:36:30 · 429 阅读 · 0 评论