![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 71
非专业打字员
努力努力再努力
展开
-
《机器学习基础》学习笔记一:NumPy函数库
一、NumPy函数库的作用提供了一个矩阵操作的数据结构库,包含了矩阵的存储和矩阵的运算方法。同时也比较容易从python的二维数组转换来。比如通过‘.I’计算矩阵的逆矩阵:>>> Mat1.I通过4x4的二维数组生成矩阵:>>> randMat = mat(random.rand(4,4))二、NumPy库的安装1.从https://pypi.python.or...原创 2018-03-22 22:07:04 · 284 阅读 · 0 评论 -
《机器学习实战》学习笔记:K-近邻算法
一、定义k-近邻算法就是采用特定方法计算多个特征值之间的距离,来对数据进行分类的算法。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、空间复杂度高适用数据范围:数值型和标称型二、工作原理首先需要有一个已经标注过的数据集合,其中的每个数据都有已知的标签。每次输入没有标签的数据后,将新的数据每个特征与样本集中数据对应的特征进行比较,然后算法找出样本集中特征最相似数据的标签。算法选取最相...原创 2018-03-22 23:58:51 · 244 阅读 · 0 评论 -
NumPy学习笔记
一、shape函数的用法shape是用来计算矩阵的某一维向量的长度的:假设a是一个3x4x5的矩阵,那么a.shape[0] = 3; a.shape[1] = 4; a.shape[2] =5;二、zeros函数的用法zeros(shape,datatype,order)函数是用来生成一个全为零的矩阵的,共有三个参数:shape就是上面提到的矩阵维度,是这个函数必须的参数,另外两个都是可选参数。...原创 2018-03-23 12:15:28 · 191 阅读 · 0 评论 -
《机器学习实战》学习笔记三:决策树
第三章:决策树决策树就是一个树状结构的判别模式:这棵树的每个非叶节点都包含一个判断条件,每个叶节点都是一种特定的分出来的类别。优点:计算复杂度不高,输出结果易于理解,对中间值的缺失不敏感,可以处理不相关特征数据缺点:可能产生匹配过度关于优缺点,个人理解:对中间值的缺失不敏感就是说可以处理有缺失值的特征数据,匹配过度应该是对于分出来的类别中存在父子类这种情况来说的一、决策树总体过程文字描述:不断地对...原创 2018-05-19 16:09:46 · 202 阅读 · 0 评论