BoaHock

….

Graphlab Createsframe

k-均值聚类的一般过程:收集数据:anyway准备数据:需要数值型数据来计算距离分析数据:anyway训练算法:不适用于无监督学习，即无监督学习没有训练过程测试算法:应用聚类算法、观察结果。可使用量化的误差标准如误差平方和使用算法:簇质心可以代表整个簇的数据来做出决策K均值聚类算法#import pprintfrom numpy import *def loadDataSe

1.Apriori算法发现频繁集1.1生成候选项集对数据中的每条交易记录tran        检查一下can是否是tran的子集：        如果是，则增加can的计数值       对每个候选项集：      如果支持度不低于最小值，则保留该项集      返回所有频繁项集列表def loadDataSet(): retu

将cp27改为cp36,安装成功。如果电脑安装的python是32位的话，可以将amd64改为amd32试试。Sframe下载https://pypi.python.org/pypi/SFrame

11.对于一个函数f:为一个m*n矩阵到实数的映射。定义f对于A的导数为：∇Af(A)也是一个m*n的矩阵，其中的元素(i,j)为∂f/∂Aij。22.同样，引入迹(trace)的概念。对一个n*n的矩阵A,迹定义为矩阵A的对角线元素之和。如果a是一个实数(i.e., a 1-by-1 matrix)，则tr a=a。迹的性质如下,

朴素贝叶斯的一般过程:收集数据:anyway准备数据:需要数值型或者布尔型数据分析数据:有大量特征时，绘制特征作用不大，此事使用直方图更好训练算法:计算不同的独立特征的条件概率测试算法:计算错误率使用算法:文档分类准备数据:从文本中构建词向量(将句子转换为向量)def loadDataSet(): postingList=[['my', 'dog', 'has', 'f

决策树的一般流程:收集数据:anymethd准备数据:树构造算法只适用于标称型数据，因此数值型必须离散化分析数据:可以使用任何方法，树构造完成后应该检查图形是否符合预期训练算法:构造树的数据结构测试算法:使用经验树计算错误率使用算法:适用于任何监督学习算法，而使用决策树可更好的理解数据的内在含义计算给定数据集的香农熵（集合信息的度量方式，度量数据集的无序程度）         熵定

...

原文