机器学习
关注
分享
扫一扫
qq_39438455
这个作者很懒，什么都没留下…
展开
-
机器学习概述
一. 机器学习是什么？？人工智能的一个重要学科 分支多领域交叉学科 数据驱动 在数据上通过算法总结规律模式，应用在新数据上如图，机器学习包括 业务 + 数学/统计 + 编程与数据挖掘，模式识别，统计，广义AI等均有涉及交叉与应用机器学习研究的是计算机怎样模拟人类的学习行为，以获取新的知识和技能，并重新组织已有的知识结构是指不断改善自身。就是计算机从数据中学习出规律...原创 2018-07-26 10:25:55 · 265 阅读 · 0 评论 -
机器学习基本概念
一. 不同类型的问题监督学习（特征 + 标签）分类问题：根据数据样本上抽取出的特征，判断其属于有限个类别中的哪一个eg: 垃圾邮件识别（结果类别：1 垃圾邮件 2 正常邮件） 文本情感褒贬分析（结果类别：1 褒 2 贬） 图像内容识别（结果类别：1 喵星人 2 汪星人 3 人类 4 曹尼玛 5 都不是）回归问题：根据数据样本上抽取出的...原创 2018-07-26 15:10:48 · 202 阅读 · 0 评论 -
机器学习基本流程与工作环节
一. 机器学习应用几大环节机器学习的应用工作是围绕着数据和算法展开的二. 机器学习的不同阶段和作用1.数据预处理输入：未处理的数据 + 标签处理过程：特征处理+幅度缩放——>特征选择——>维度约减——>采样得到 测试集 + 训练集2.模型学习 模型选择——>交叉验证——>结果评估——>超参选择3.模型评估 了解模...原创 2018-07-26 15:34:26 · 2523 阅读 · 0 评论 -
机器学习中的评估指标
一. 机器学习的目标什么模型好？？ 泛化能力强！！！能很好的适用于没见过的样本。例如 错误率低 精度高我们手上没有未知的样本，如何可靠评估？？关键：获得可靠的测试集数据？测试集（用于评估）应该与训练集（用于模型学习）"互斥"二. 机器学习的评估方法1.留出法注意：1.测试集不能太大，不能太小2.多次重复划分3.保持数据分布一致性2.自...原创 2018-07-26 16:19:21 · 356 阅读 · 0 评论 -
用朴素贝叶斯完成语种检测（外文）
我们试试用朴素贝叶斯完成一个语种检测的分类器，说起来，用朴素贝叶斯完成这个任务，其实准确度还不错的我们拉一些twitter上的数据（data.csv），包括六种语言file = open('C:/Users/laoGong/Desktop/data.csv')lines = file.readlines()file.close()我们现在查看一下数据lines[:5]...原创 2018-08-22 19:47:07 · 805 阅读 · 0 评论