wretch_of_Felix的博客

目录一、聚类和分类的区别二、常用聚类算法1.动态聚类：K-means方法2.基于有代表性的点的技术：K中心聚类法3.基于密度的方法: DBSCAN(DBSCAN = Density-Based Spatial Clustering of Applications with Noise)4.主成分分析法三、常用分类算法1.线性判别法 2.距离判别法（关键度量指标：...

目录 一、预备知识：二、决策树定义三、决策树1、决策树基础--Hunt算法2、属性划分​ 3、属性划分标准4、决策树算法5、模型过拟合6、评估分类器性能一、预备知识：分类：通过学习得到一个目标函数f，也称为分类模型，把每一个属性集x映射到一个预先定义的类标号y。目的：描述性建模：分类模型作为解释性工具，用于区分不同类中的对象         ...

目录一、数据知识二、数据预处理三、属性的相似度和相异度一、数据知识如果若干属性是强相关的，则说明这些属性可能提供了高度冗余的信息，我们可以决定只保留一个。二、数据预处理1、维规约：通过创建新属性，将一些旧属性合并在一起来降低数据的维度。通过选择旧属性的子集得到的新属性，这种维规约称为特征子集选择。2、维灾难：数据维度（属性）过高。数据稀疏，对于分类，没有足够...

监督学习对于有标签的特定数据集（训练集）是非常有效的，但是它需要对于其他的距离进行预测。无监督学习对于在给定未标记的数据集（目标没有提前指定）上发现潜在关系是非常有用的。强化学习介于这两者之间—它针对每次预测步骤（或行动）会有某种形式的反馈，但是没有明确的标记或者错误信息。半监督学习是一种有监督学习和无监督学习想结合的一种方法，其主要思想是基于数据分布上的模型假设，利用少量的已标注数...