MachineLearning
文章平均质量分 56
zhxue123
这个作者很懒,什么都没留下…
展开
-
Document Filtering
Document filtering demonstrates how to classify documents based on their contents. Perhaps the most useful and well-known application of document filtering is the elimination of spam.It recognize wh转载 2013-09-23 00:07:05 · 769 阅读 · 0 评论 -
极简机器学习范例——分类——逻辑回归
一、作用Logistic regression可以用来回归,也可以用来分类,主要是二分类。转载 2016-02-12 18:13:18 · 3287 阅读 · 0 评论 -
极简机器学习范例——分类——朴素贝叶斯
朴素贝叶斯分类的优缺点及使用数据类型决策树就是事先设定一棵树,树的所有非叶子节点都是由特征构成的,然后根据这个树自定而下问问题,直到把测试记录归类到叶子节点(最终的分类结果)。例子:根据动物颜色、长度等特征判断动物智商高低(分类结果);根据一系列特征判断给患者配什么眼镜等。优点:数据形式非常容易理解;可以处理不相关原创 2014-02-12 20:44:47 · 3266 阅读 · 0 评论 -
极简机器学习范例——分类——决策树
决策树分类的优缺点及使用数据类型优点:数据形式非常容易理解;可以处理不相关特征数据;计算复杂度不高;缺点:可能产生过渡匹配问题适用数据类型:数值型和标称型一、算法核心思想1)选取特征(特征即属性)2)计算待分类数据与样本数据(已分好类的数据)的距离。一般是多维特征,需对每个特征进原创 2014-02-03 22:05:59 · 2659 阅读 · 0 评论 -
极简机器学习范例——分类——K近邻算法
一、算法核心思想1)选取特征(特征即属性)2)原创 2014-02-02 18:13:45 · 2497 阅读 · 0 评论 -
数据挖掘和知识发现的技术、方法及应用
一幅凝固的油画 Keywords:data mining,Knowledge discovery in databases,DM,KDD,CRISP-DM,Internet概念基于Internet的全球信息系统的发展使我们拥有了前所未有的丰富数据。大量信息在给人们带来方便的同时也带来了一大堆问题:第一是信息过量,难以消化;第二是信息真假难以辨识;第三是信息安全难以保证;转载 2006-03-19 12:40:00 · 12442 阅读 · 0 评论 -
Machine Learning
CMU大牛的简单易懂的ML:http://www.autonlab.org/tutorials/算法杂货铺系列:k均值聚类(K-means): http://kb.cnblogs.com/page/76197/分类算法之决策树(Decision tree):http://kb.cnblogs.com/page/76196/分类算法之贝叶斯网络(Bayesian netw原创 2012-10-15 09:10:25 · 618 阅读 · 0 评论 -
计算广告学
http://baike.baidu.com/view/4330198.htm计算广告的运作系统主要包括广告算法、广告、语境、受众(用户)四个方面,针对这四个方面当下的广告形式可归纳为三类:基于文本分析、基于用户分析和基于用户参与。基于文本分析的计算广告近年来,文本分析成为自然语言处理学科的一个热点研究问题,该学科一些应用研究学者相继将网页分析、文本原创 2013-08-04 00:11:14 · 3326 阅读 · 0 评论 -
Collaborative Filtering
A collaborative filtering algorithm usually works by searching a large group of people and finding a smaller set with tastes similar to yours.原创 2013-08-31 22:28:48 · 2771 阅读 · 0 评论 -
Clustering
Retailers who track customer purchases can use this information to automatically detect groups of customerswith similar buying patterns, in addition to regular demographic information.blogs can转载 2013-09-05 23:21:00 · 1128 阅读 · 0 评论 -
推荐系统
推荐系统的学习资料:http://blog.sciencenet.cn/blog-210641-508634.html原创 2013-01-18 23:30:53 · 553 阅读 · 0 评论 -
极简机器学习——分类——SVM
July写的这篇blog,倾心制作!支持向量机通俗导论(理解SVM的三层境界):http://blog.csdn.net/v_july_v/article/details/7624837原创 2016-04-04 08:56:41 · 2567 阅读 · 0 评论