机器学习初章
漫步码生
这是一个学习-回馈的循环过程 当我停下脚步 也就没了反馈。
展开
-
K-近邻算法(二): 案例实践_海伦约会案例
海伦约会数据预测介绍案例介绍案例步骤代码部分包模块距离计算函数数据准备分析数据数据归一化处理测试分类器总结介绍上一篇我们已经初步接触到了K-近邻算法,这次我们用一个案例来进一步加深我们对算法的理解以及数据准备过程中,明白数据处理的重要性。案例介绍我的朋友海伦一直使用在线约会网站寻找适合自己的约会对象。尽管约会网站会推荐不同的人选,但她没有从中找到喜欢的人。经过一番总结,她发现曾交往过三种...原创 2019-07-18 21:02:59 · 3194 阅读 · 4 评论 -
决策树(一):初步学习
决策树初步接触介绍背景引入优缺点、适用数据类型伪代码引入决策树的一般流程案例引入信息增益熵划分数据集介绍决策树决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干,故称决策树。分类树(决策树)是一种十分常...原创 2019-07-23 21:04:36 · 1047 阅读 · 0 评论 -
K-近邻算法(一):k近邻算法的初步学习
k近邻算法初步学习介绍步入正题K-近邻算法优缺点介绍这是我第一次写博客,闲来无事记录一下刚实践过的算法程序。步入正题我们今天所进入的内容–KNN算法,是一种有监督学习。不清楚机器学习的一些分类概念可以自行学习下面网站https://www.jianshu.com/p/429320f81d61**样本集合**在监督学习当中,我们会将数据集分为两部分来运作:**训练集和测试集。**...原创 2019-07-17 17:45:08 · 707 阅读 · 0 评论 -
决策树(二):绘制标识树(认知)
绘制标识树介绍代码部分定义文本框和箭头格式绘图执行总结介绍上节我们巳经学习了如何从数据集中创建树,然而字典的表示形式非常不易于理解,而且直接绘制图形也比较困难。本节我们将使用Matplotlib创建树形图。决策树的主要优点就是直观易于理解,如果不能将其直观地显示出来,就无法发挥其优势,因此我们必须自己绘制树形图。代码部分定义文本框和箭头格式decisionNode = dict(b...原创 2019-07-25 16:59:05 · 835 阅读 · 0 评论 -
K-近邻算法(三):手写识别系统
K-近邻算法:手写识别系统案例介绍案例流程收集数据准备数据测试数据查看结果结果分析K-近邻算法总结介绍前两篇学习中,我们已经对KNN算法的分类器有了基础的认识,今天我们继续实践它的另一个案例—手写识别系统。只看字面意思可能不好理解是个什么案例,通俗点说就是,我们有一些数字文本,这些文本中有32行32列的数字数据(由0-1组成),通过对数字的排列 ,可实现数字的表示,如下图所示:那么问题来了...原创 2019-07-22 17:05:42 · 412 阅读 · 0 评论 -
决策树(三):完善注释决策树
完善注释决策树介绍绘制需要树宽、树深计算根节点和分支节点的连线中点逻辑绘制执行绘制总结介绍上节我们已经通过Matplotlib绘制了简单的标识图,本节我们将针对实际决策树进行绘制。绘制需要求树的宽度和深度计算根节点和分支节点的连线中点 (我们选择在中点处进行绘制信息)通过递归调用 展开绘制递归过程中我们需要进行判断:结点是叶子还是另一颗子树的根节点树宽、树深绘制一棵完整...原创 2019-07-26 16:42:47 · 376 阅读 · 0 评论 -
决策树(四):测试和存储分类器
测试和存储分类器介绍代码部分决策树:样本预测决策树:成树储存总结介绍依靠训练数据构造了决策树之后,我们可以将它用于实际数据的分类。在执行数据分类时,需要决策树以及用于构造树的标签向量。然后,程序比较测试数据与决策树上的数值,递归执行该过程直到进人叶子节点;最后将测试数据定义为叶子节点所属的类型。通俗点讲,就是你的数据集现在假如有两个特征 一个分类标签。然后一个未知的样本数据,给你两个特征的...原创 2019-07-26 19:11:48 · 571 阅读 · 0 评论 -
决策树(四):使用决策树预测隐形眼镜类型
使用决策树预测隐形眼镜类型介绍代码部分总结介绍本节我们将通过一个例子讲解决策树如何预测患者需要佩戴的隐形眼镜类型。使用小数据集 ,我们就可以利用决策树学到很多知识:眼科医生是如何判断患者需要佩戴的镜片类型; 一旦理解了决策树的工作原理,我们甚至也可以帮助人们判断需要佩戴的镜片类型。数据集:lenses.txt没有数据集的同学可以返回到K-近邻第二节下载隐形眼镜数据是非常著名的...原创 2019-07-27 16:36:37 · 14544 阅读 · 4 评论