吴恩达机器学习练习六

 

1. SVM支持向量机

1）Gaussian kernel实现，计算两个样本的相似度，用于学习非线性边界。

sim = exp(-(x1-x2)'*(x1-x2)/(2*sigma^2));

 

2）找到最优的C与sigma参数

   其实就是枚举，计算不同参数组合的错误率，找到最小的。

先用学习的样本进行模型学习，然后用验证集计算错误率。dataset3Params.m文件

  

 

1. 垃圾邮件分类

邮件分类时，先提取特征，特征提取方法如下：

1. 先把邮件里的词语做替换，将部分相似的词语替换成统一个一个词
2. 进行词频统计，为模型学习正确性，出现少的词频不要拿来学习，否则影响精度
3. 将选用做特征的词进行编码，转化成数字。

 

processEmail.m文件

    for i= 1: len

      if strcmp(str, vocabList{i})

        word_indices =[word_indices;i];

      end

其实就是做了遍历查找。

 

邮件向量化 emailFeatures.m 文件

indics_len = length(word_indices);

for i=1:indics_len

  x(word_indices(i))=1;

end