"1. K近邻算法（KNN）" "2. KNN和KdTree算法实现" 1. 前言 KNN一直是一个机器学习入门需要接触的第一个算法，它有着简单，易懂，可操作性强的一些特点。今天我久带领大家先看看sklearn中KNN的使用，在带领大家实现出自己的KNN算法。 2. KNN在sklearn中的使用 ...
分类：
编程语言 时间：
2019-01-20 14:03:03
阅读次数：
296
无监督问题，我们手里没有标签 聚类：相似的东西聚在一起 难点：如何进行调参 K-means算法 需要制定k值，用来获得到底有几个簇，即几种类型 质心：均值，即向量各维取平均值 距离的度量： 欧式距离和余弦相似度 优化目标： min∑∑dist(ci, xi) 即每种类别的数据到该类别质心距离的之和最 ...
分类：
编程语言 时间：
2019-01-19 13:20:27
阅读次数：
185
1..groupby()[].agg(by={}) 2. collections.de...(lambda:1) 统计的单词是语料库中所有的词， 对Dataframe统计单词词频，同时增加一列数据count，这里我们使用reset_index,sort_values(by = ['counts], ...
分类：
其他好文 时间：
2019-01-19 00:54:53
阅读次数：
313
对于需要构成语料库的数据，我们需要去停用词 停用词包括 1. 语料中大量出现的 如 1.！， 2.", 3.#, 4.$, 5.% 2. 没啥大用 1.一下 2.一些 3.一项 4.一则 关键词提取 TF-IDF 比如有3个词：中国,蜜蜂,养殖 TF（词频）：表示的是蜜蜂在这个文章里出现的次数，即词 ...
分类：
其他好文 时间：
2019-01-19 00:46:51
阅读次数：
265
1.jieba.analyse.extract_tags(text) text必须是一连串的字符串才可以 第一步：进行语料库的读取 第二步：进行分词操作 第三步：载入停用词，同时对分词后的语料库进行停用词的去除 第四步：选取一段文本分词列表，串接成字符串，使用jieba.analyse.extrac ...
分类：
其他好文 时间：
2019-01-19 00:45:32
阅读次数：
3414
贝叶斯里面的参数原理 最大似然： 即最符合观测数据的最有优势，即p(D|h)最大 奥卡姆剃刀：即越常见的越有可能发生，即p(h) 表示的是先验概率 最大似然： 当我们投掷一枚硬币，观测到的是正面，那么我们猜测投掷正面的概率为1，即最大似然值的概率是最大的 奥卡姆剃刀： 如果平面上有N个点，我们使用n ...
分类：
其他好文 时间：
2019-01-18 19:59:07
阅读次数：
224
问题 如果我们看到用户输入一个不在字典中的词，我们需要推测他实际想要输入的词 使用贝叶斯公式表示： p(实际想要输入词|用户输入) = p(实际想要输入词) * p(用户输入|实际想要输入词) / p(用户输入) p(实际输入词) 表示的是这个词在语料库中出现的词频 p（用户输入|实际想要输入） 实 ...
分类：
其他好文 时间：
2019-01-18 19:56:35
阅读次数：
424
目的：为了让训练效果更好 bagging：是一种并行的算法，训练多个分类器，取最终结果的平均值 f(x) = 1/M∑fm(x) boosting: 是一种串行的算法，根据前一次的结果，进行加权来提高训练效果 stacking; 是一种堆叠算法，第一步使用多个算法求出结果，再将结果作为特征输入到下一 ...
分类：
编程语言 时间：
2019-01-17 14:03:48
阅读次数：
272
1.GridSeach(RandomRegressor(), param_grid, cv=3) GridSearch第一个参数是算法本身， 第二个参数是传入的参数组合， cv表示的是交叉验证的次数 GridSearch 对给定的参数进行两两的组合搜索，比如参数为[1, 2, 3], [1, 2, ...
分类：
其他好文 时间：
2019-01-17 10:53:39
阅读次数：
1914
from sklearn import tree from sklearn.datasets.california_housing import fetch_california_housing housing = fetch_california_housing() dtr = tree.Deci ...
分类：
其他好文 时间：
2019-01-17 10:18:12
阅读次数：
262
