- 博客(7)
- 收藏
- 关注
RSS订阅原创 机器学习算法三——基于概率论的分类方法：朴素贝叶斯（2）（示例：使用朴素贝叶斯过滤垃圾邮件）
示例：使用朴素贝叶斯过滤垃圾邮件首先，将文本解析成词条；然后，和前面的分类代码集成为一个函数，该函数在测试分类器的同时会给出错误率。一、准备数据：切分文本下面介绍如何从文本文档中构建自己的词列表。1、对于一个文本字符串，可以使用python的string.split()方法将其切分：def test(): mySent = 'This book is the best book ...
2019-02-28 21:05:38
661
原创 python+opencv 从摄像头视频中保存图片
生成数据集这里我们需要从摄像头的实时视频中生成数据集，使用python+opencv库，代码如下：import cv2cap = cv2.VideoCapture(1) #计算机自带的摄像头为0，外部设备为1i=0while(1): ret,frame = cap.read() #ret:True/False,代表有没有读到图片 frame:当前截取一帧的图片 cv...
2019-02-28 19:22:08
9435
1
原创 win10+python3.5下安装dlib库（使用imglab制作数据集）
Windows下安装dlib库一、dlib安装1、下载文件网址：http://dlib.net/最新版本为：dlib-19.16.tar.bz22、解压缩下载完后，解压缩文件，在命令窗口下进入dlib-19.16的目录，执行以下命令：mkdir build; cd build; cmake .. ; cmake --build再在dlib-19.16下执行命令：python ...
2019-02-28 18:50:12
3151
6
原创 机器学习算法三——基于概率论的分类方法：朴素贝叶斯（1）
若要求分类器给出“该数据实例属于哪一类”的明确答案，可能会产生错误结果。这时，可以要求分类器给出一个最优的类别猜测结果，同时给出这个猜测的概率估计值。“朴素”：整个形式化过程只做最原始、最简单的假设。一、基于贝叶斯决策理论的分类方法朴素贝叶斯（贝叶斯决策理论的一部分）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。适用数据类型：标称型数据。...
2019-02-25 18:55:36
696
原创 机器学习算法二——决策树（3）（测试和存储分类器）+（隐形眼镜示例）
测试和存储分类器这节重点学习如何利用决策树执行数据分类。我们将使用决策树构建分类器，以及实际应用中如何存储分类器。1、测试算法：使用决策树执行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入叶子节点；最后，将测试数据定义为叶子节点所属的类型。#使用决策树的分类函数def classify(inputTree,feat...
2019-02-22 16:50:28
591
原创 机器学习算法二——决策树（2）（使用matplotlib绘制树形图）
在Python中使用Matplotlib注解绘制树形图本节将学习如何编写代码绘制如下图所示的决策树。1、Matplotlib注解Matplotlib提供了一个注解工具annotations，非常有用，可以在数据图形上添加文本注释。注解通常用于解释数据的内容。#使用文本注解绘制树节点import matplotlib.pyplot as plt#定义文本框和箭头格式decisio...
2019-02-21 15:53:26
1612
原创 机器学习算法二——决策树（1）（决策树的构造）
机器学习算法二——决策树（1）下图构造了一个假想的邮件分类系统：前面介绍的k-近邻算法可以完成很多分类任务，但它最大的缺点是无法给出数据的内在含义，决策树的主要优势就在于数据形式非常容易理解。决策树很多任务都是为了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，机器学习算法最终将使用这些机器从数据集中创造的规则。专家系统中经常使用决策树，而且决策树给出...
2019-02-13 17:06:23
531
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人