![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
传统机器学习算法
零壹博弈
渐渐地,我们也会成为别人口中的大佬
展开
-
机器学习算法——利用AdaBoost元算法提高分类性能(基于单层决策树构建的弱分类器)
集成学习——AdaBoost元算法集成学习集成学习当做出重要决定时,我们往往会听取多个专家而不只是一个人的意见。元算法正是采用这种思路,元算法是对其他算法进行组合的一种方式,本篇博文主要介绍AdaBoost元算法,该算法是机器学习工具箱中最强有力的工具之一。...原创 2020-09-10 17:06:56 · 2151 阅读 · 0 评论 -
机器学习算法——k-均值聚类算法对未标注数据分组
k-均值聚类算法对未标注数据分组0、前言1、k-均值聚类算法2、对于k-means的算法优化2.1对聚类得到的簇进行二次处理2.2二分k-均值聚类算法3、对纽波兰的地理位置进行聚类3.1我们按照以下几个流程完成项目:3.2具体代码实现4、小结学习永无止境,后续还会有更多的算法学习及实例尝试。0、前言聚类是一种无监督的学习,它将相似的对象归到同一簇中。它有点像全自动分了。聚类方法几乎可以应用到所有对象,簇内的对象越相似,聚类的效果越好。本章要学习一种称为K-均值(K-means)聚类的算法。之所以称之为K原创 2020-09-03 16:42:33 · 942 阅读 · 1 评论 -
机器学习算法——朴素贝叶斯(贝努利模型和多项式模型实现分类)
朴素贝叶斯算法0、朴素贝叶斯是贝叶斯决策理论的一部分。之所以称之为“朴素”,是因为整个形式化过程只做最原始、最简单的假设。1、文本分类实例2、朴素贝叶斯过滤垃圾邮件3、使用朴素贝叶斯分类器从个人广告4、小结学习永无止境,后续还会继续更新其他的机器学习算法。0、朴素贝叶斯是贝叶斯决策理论的一部分。之所以称之为“朴素”,是因为整个形式化过程只做最原始、最简单的假设。1、算法优缺点比较优点:在数据较少的情况下仍然有效,可以处理多类别问题缺点:对于输入数据的准备方式较为敏感使用数据类型:标称型数据2、关原创 2020-09-02 21:35:19 · 2053 阅读 · 0 评论 -
机器学习算法——K-近邻算法(代码实现手写数字识别)
0、引言,K-近邻算法是一种非常有效的分类算法,它非常有效且易于掌握。原理:K-近邻算法通过计算不同样本之间的距离来分类物品。使用前,我们需要有一个训练样本集,并且样本集中每个数据都存在标签,即我们知到样本集中每一数据与其所述分类的对应关系。输入没有标签的新数据,将新数据的每个特征与样本集中数据对应的特征进行比较,然后算法提取样本集中特征最相似(最近邻)的分类标签。一般来说,我们只选择样本数据集中前K个最相似的数据,这就是k-近邻算法中k的由来,通常k是不大于20的整数。最后,选择k个最相似数据中出现频原创 2020-09-01 22:39:32 · 3452 阅读 · 6 评论 -
机器学习算法——决策树算法(ID3算法划分数据集,基于香农熵的python底层实现)
决策树算法是一种非参数的决策算法,它根据数据的不同特征进行多层次的分类和判断,最终决策出所需要预测的结果。它既可以解决分类算法,也可以解决回归问题,具有很好的解释能力。决策树就如上图所示,决策树算法能够读取数据集合,构建类似于上图的决策树。决策树的一个重要任务是为了厘清数据中所蕴含的知识信息,因此决策树可以使用不熟悉的数据集合,并从中提取出一系列规则,在这些机器根据数据集创建规则时,就是机器学习的学习过程。传统的专家系统中经常使用决策树,而且决策树给出的结果往往可以匹敌在当前领域具有几十年工作经验的原创 2020-08-29 17:25:58 · 1857 阅读 · 0 评论 -
机器学习算法——SVM支持向量机(基于sklearn代码实现)
SVM在解决分类问题具有良好的效果,出名的软件包有libsvm(支持多种核函数),liblinear。此外python机器学习库scikit-learn也有svm相关算法sklearn.svm.SVC和sklearn.svm.LinearSVC 分别由libsvm和liblinear发展而来。使用SVM的一般步骤为:读取数据,将原始数据转化为SVM算法软件或包所能识别的数据格式;将数据标准化;(防止样本中不同特征数值大小相差较大影响分类器性能)选择核函数,在不清楚何种核函数最佳时,推荐尝试RBF原创 2020-08-28 17:02:47 · 2067 阅读 · 0 评论