ML
关注
分享
扫一扫
不挑食的程序猿
这个作者很懒，什么都没留下…
展开
-
ML学习笔记-K-近邻值算法
一般流程 1.收集数据： 可以使用任何方法。 2.准备数据： 距离计算所需要的数值，最好是结构化的数据格式。 3.分析数据： 可以使用任何方法。 4.训练算法 此步骤不适用于k-近邻算法 5.测试算法 计算错误率 6.使用算法 首先需要输入样本数据和结构化的输出结果，然后运行k-近邻算法判定输入数据分别属于哪个分类，最原创 2016-04-28 16:05:11 · 482 阅读 · 0 评论 -
ML学习笔记-决策树
一般流程 1.收集数据： 可以使用任何方法。 2.准备数据： 树构造算法只适用于标称型数据，因此数值型数据必须离散化。 3.分析数据： 可以使用任何方法，构造树完成之后，我们应该检查图形是否符合预期。 4.训练算法 构造树的数据结构 5.测试算法 使用经验树计算错误率 6.使用算法 此步骤可以适用于任何监督学习算法，而原创 2016-05-03 10:54:12 · 746 阅读 · 0 评论 -
ML学习笔记-朴素贝叶斯
一般流程 1.收集数据：可以使用任何方法。本章使用RSS源。 2.准备数据：需要数值型或者布尔型数据。 3.分析数据：有大量特征时，绘制特征作用不大，此时使用直方图效果更好。 4.训练算法：计算不同的独立特征的条件概率。 5.测试算法：计算错误率 6.使用算法：一个常见的朴素贝叶斯应用是文档分类。可以在任意的分类原创 2016-05-05 13:56:22 · 418 阅读 · 0 评论