《机器学习实战》读书笔记

最新推荐文章于 2023-02-04 21:53:54 发布
最新推荐文章于 2023-02-04 21:53:54 发布
阅读量469 收藏
点赞数
文章标签： 机器学习 读书笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yifeng123/article/details/78843247
版权

花了半个月速读了《机器学习实战》，感觉实战有余，理论不足。画个脑图作为读书笔记，仅记录个人感觉关键的知识点以便日后索引。

沉默的大多数的杂谈感想
关注
机器学习实战读书笔记（五）
PasPerCon
08-26 328
本部分介绍Apriori算法用于关联分析以及FP-growth算法来高效发现频繁项集。 10. Apriori算法 （1）关联分析 从大规模数据集中寻找物品间的隐含关系被称为关联分析。关联分析有两种形式：频繁项集或关联规则。 频繁项集：经常在一起的物品的集合；关联规则：暗示两种物品之间存在很强的关系。 定义频繁项集中最重要的是支持度和可信度。支持度是数据集中包含该项集的记录所占的比例。可...
《机器学习实战》-阅读总结
jin690734932的博客
08-02 342
从前面的博客可以看出来，读这本书的时候实在是磕磕绊绊，不过，到现在的话，也算是粗略的读完。 在刚开始的时候，选择是中文版本的PDF，有些地方缺页，所以就选择了英文版本，而本身对于英文其实有些抵触的，毕竟英文的基础并不是很好，再去读专业的内容，对自己而言更是困难。 最终想了想，其实想学相关方面的内容，其实英文资料是绕不过去的，因此也就直接用英文的PDF，英文的PDF确实排版确实是比较好，而其中的...
《机器学习实战》——读书笔记1
u013319237的博客
02-21 662
前言 在大学里，最好的方面不是你研修的课程或从事的研究，而是一些外围活动：与人会面、参加研讨会、加入组织、旁听课程，以及学习未知的知识。 一个机构会雇佣一些理论家（思考者）以及一些做实际工作的人（执行者）。前者可能会将大部分时间花在学术工作上，他们的日常工作就是基于论文产生思路，然后通过高级工具或教学进行建模。后者则通过编写代码与真实世界交互，处理非理想世界中的瑕疵，比如崩溃的及其或带噪声的数据
机器学习实战读书笔记（一）
PasPerCon
08-22 494
针对于分类问题，书中介绍了K近邻、决策树、朴素贝叶斯、Logistic回归、支持向量机和AdaBoost方法。下面将介绍其优缺点。 1. K近邻 优点：精度高、对异常值不灵敏、无数据输入假定（例如Logistic回归中x0=1等）。 缺点：计算复杂度高，空间复杂度高。无法给出任何数据的基础结构信息。 适用数据范围：数值型、标称型。 2. 决策树 优点：计算复杂度不高，输出结果容易理解（...
机器学习实战读书笔记(1)
03-16 91
机器学习的主要任务： 分类：将实例数据划分到合适的分类中 回归：主要用于预测数值型数据 分类和回归属于监督学习，监督学习必须知道预测什么，即目标变量的分类信息 无监督学习：数据没有类别信息，也不会给定目标值。 在无监督学习中，将数据集合分成由类似的对象组成的多个类的过程称为聚类； 将寻找描述数据统计值的过程称之为密度估计。 ...
《机器学习实战》读书笔记（一）机器学习基础
南梦倾寒的博客
06-08 657
前言：作者书写《机器学习实战》读书笔记一系列的文章所采用的环境为Windows，软件为VScode（Visual Studio Code），编程语言为Python（3.7.0版本），本文意在记录作者学习机器学习的过程，如果有错误的地方可以私信作者，再次感谢大家对作者的支持！ 第一章：机器学习基础 1.1何谓机器学习 机器学习就是把无数的数据转换成有用的信息。 机器学习横跨计算机科学、...
深度学习Tensorflow工程化项目实战 读书笔记
12-22
【深度学习Tensorflow工程化项目实战】读书笔记 在深度学习领域，TensorFlow是一个广泛使用的开源框架，它提供了丰富的工具和库，支持从简单的实验到大规模的生产部署。本笔记聚焦于TensorFlow在实际工程中的应用，...
机器学习实战读书笔记（一）：K近邻算法
cx_mors的博客
11-13 197
from numpy import * import operator def createDataSet(): # 创建数据集 group = array([[1.0,1.1],[1.0,1.1],[0,0],[0,0.1]]) labels = ['A','A','B','B'] return group,labels def classify0(inX,da...
《零基础学机器学习》读书笔记五之机器学习项目实战架构
最新发布
青青木屋
02-04 647
机器学习项目实战指导
【转】《机器学习实战》读书笔记——转自jack-cui
qq_27403925的博客
08-15 835
《机器学习实战》李锐这本书的python3版本 https://blog.csdn.net/c406495762/article/category/9269492
机器学习实战-读书笔记(一)
LiuKe369的博客
07-29 524
第二章 1.简单KNN模型 1.1创建数据集 from numpy import * import operator def createDataSet(): group = array([[1.0,1.1],[1.0,1.0],[0,0],[ labels = ['A','A','B','B'] return group, labels 测速创造的数据集 &g...
《机器学习实战》读书笔记——机器学习基础
Lethe's Blog
03-22 253
1 何谓机器学习 机器学习就是把无序的数据转换成有用的信息 1.1 相关术语 （1）模型：模型是机器学习的核心概念，可以认为是某种机器学习算法在设定参数后的产物。 （2）数据集：数据集又分为训练集和测试集，在训练模型阶段使用，叫做训练集；在测试模型阶段使用，就叫测试集。 （3）数据：数据集就是数据的集合。在机器学习中，称一条数据为一个样本（Sample），形式类似一维数组。样本通常包含多个特征（F...
《机器学习实战》读书笔记(第一部分：分类)
jcjbusbjk的博客
05-23 222
一、KNN 原理： 步骤： 数据处理归一化 计算已知类别数据集中的点与当前点之间的距离 选取与当前点距离最小的k个点 确定k个点所在类别出现的频率，返回频率最高的类别作为当前点的预测分类 def classify0(inX,dataSet,labels,k): dataSetSize=dataSet,shape[0] ##tile函数用来复制一份inX数组的副本 ##dataSet是数据集，我们要求输入数据与数据集的欧氏距离 diffMat=tile(inX,(dataSetSize,1))-d
机器学习实战读书笔记（三）
PasPerCon
08-25 329
从本节开始，将介绍无监督学习。今天整理了无监督学习中的k均值聚类算法和MapReduce部分的内容。本部分是8月24号的内容。 9. k均值聚类算法 （1）k均值聚类算法 优点：易于实现。 缺点：可能收敛到局部最小值，在大规模的数据集上的收敛速度慢。 适用数据类型：数值型。 可以用的误差指标如误差的平方和（Sum of Squared Error，即SSE）来评价算法的效果。k值是需要...
机器学习实战读书笔记（二）
PasPerCon
08-24 240
第二部分将介绍回归问题，采用的方法有线性回归、局部加权回归、收缩方法（第7小节）树回归（第8小节）。该部分是8月23号的更新内容。 7. 回归 采用或者预测值与数据的拟合度来分析模型的拟合程度。 （1）线性回归 优点：易于理解，计算不复杂。 缺点：对于非线性的数据拟合不好。 适用数据类型：数值型和标称型。 求解系数：逆可能不存在；                   采用正规矩阵的...
机器学习实战读书笔记（二）：决策树
cx_mors的博客
11-13 231
决策树多用于处理分类问题，也经常使用的数据挖掘算法 k-近邻算法最大的缺点是无法给出数据内在含义 决策树的主要优势是数据形式很容易理解 决策树的一个最重要任务是为了数据所蕴含的知识信息，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，创建规则的过程就是机器学习的过程 决策树优点：计算复杂度不高，输出结果易于理解，对中间值缺少不敏感，可以处理不相关特征数据 决策树缺点：可能会产生过度匹...
机器学习实战 学习心得 kNN
qq_41616600的博客
03-18 741
实验内容 1 K-近邻算法概述 实验程序代码（含详细注释）： 实验结果（展示实验细节）： 1、使用Python导入数据； # 导入数据函数 def createDataSet(): group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) # 数组中，前两个是接近1的数据集，后两个是接近0的数据集 labels = [...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值