Vi的博客

lambda：python2中是：lambda (x,y):x>y python3中改为了：lambda x_y: x_y[0] > x_y[1]) dict：python2中是：dict.iteritems() python3中是：dict.items()list的extend和append：a.extend([1,2]) ==>> [1, 2, '3', '1', 1, 2] a.appen

原理 步骤分解 遍历数据集 循环计算提取每个特征的香农熵和信息增益 选取信息增益最大的特征 再递归计算剩余的特征顺序 将特征排序 并将分类结果序列化保存到磁盘当中 递归构建决策树 使用Matplotlib注解绘制树形图 完整代码原理 通过提问的方式，根据不同的答案选择不同的分支， 完成不同的分类步骤分解1.遍历数据集， 循环计算提取每个特征的香农熵和信息增益， 选取信息增益最大的特征。 再递归计算

原理 源码 加权kNN 高斯函数 交叉验证原理kNN（k近邻算法）的基本思想就是选择距离待分类点最近的K个点，统计这K个点中出现的分类的概率， 出现概率最高的分类即为待分类点的分类源码from numpy import * import operatordef createDataSet(): # create data set group = array([[1.0, 1.1], [