qwertyuiop0208的博客

无监督学习

逻辑回归

线性回归与岭回归

决策树与随机森林

k-近邻的优缺点（1）k值大小k值取很小：容易受异常点影响k值取很大：容易受最近数据太多导致比例变化（2）优缺点：优点：简单，易于理解，易于实现，无需估计参数，无需训练缺点：懒惰算法，对测试样本分类时的计算量大，内存开销大；必须指定K值，K值选择不当则分类精度不能保证。使用场景：小数据场景，几千～几万样本，具体场景具体业务去测试。k-近邻算法实现：加快搜索速度——基于算法的改进KDTree,API接口里面有实现拉普拉斯平滑系数：问题：从上面的例子我们得到娱乐概率为0，这是不合理的，如果词频

训练集：75%（推荐）、70%、80%。用于训练，构建模型测试集：25%（推荐）、30%、20%。在模型检验时使用，用于评估模型是否有效sklearn.datasets加载获取流行数据集datasets.load_()获取小规模数据集，数据包含在datasets里datasets.fetch_(data_home=None)获取大规模数据集，需要从网络上下载，函数的第一个参数是data_home，表示数据集下载的目录,默认是 ~/scikit_learn_data/load和fetch返回的数据类型d

其它特征选择方法神经网络降维案例使用Jupyterps:其他降维方法——线性判别分析LDA监督学习 ：特征值+目标值分类（目标值离散型）—— k-近邻算法、贝叶斯分类、决策树与 随机森林、逻辑回归、神经网络回归（目标值连续型）——线性回归、岭回归标注——隐马尔可夫模型 (不做要求)无监督学习：特征值聚类——k-means...

机器学习是从数据中自动分析获得规律（模型）， 并利用规律对未知数据进行预测机器学习的数据：文件csvMySQL：1.性能瓶颈、读取速度慢2.格式不太符合机器学习要求的格式pandas：读取工具构成：Kaggle特点：1、大数据竞赛平台 2、80万科学家 3、真实数据 4、数据量巨大UCI特点：1、收录了360个数据集 2、覆盖科学、生活、经济等领域 3、数据量几十万scikit-learn特点：1、数据量较小 2、方便学习特征值+目标值（有些数据集是可以没有目标值的）导入scikit-learn