机器学习

简介   如果你有一个很大的数据集，有很多的变量，而且已知这是一个分类问题，你想快速的得到你的分类结果，那朴素贝叶斯是一个不错的选择，他比一般的分类算法都要快，他的理论基础是概率中的贝叶斯定理。 本文会介绍朴素贝叶斯的理论基础，以及一个基于python的实战例子，so,坐稳了，准备开车     目录     1.朴素贝叶斯是如何工作的？    2.朴素贝叶斯…

本篇文章分为两个部分，前一部分主要简单介绍K近邻，后一部分是一个例子 第一部分–K近邻简介 　　从字面意思就可以容易看出，所谓的K近邻，就是找到某个样本距离（这里的距离可以是欧式距离，曼哈顿距离，切比雪夫距离等）最近的K个数据，根据最近的K个邻居属于什么分类，来判断这个样本属于什么分类。　 　　简单说一下优缺点： 　　　　优点：简单，适合于多分类问题(mu…

本文主要介绍决策树的基本概念和如最简单的入门实例 第一部分–基本概念： 　　什么是决策树？ 　　　　我不打算搞一段标准的定义放在这里，我个人理解是建立一个树来帮助决策，下面以一个图说明一下（注：图是盗别人的） 　　　　　　   　　　　这就是一个决策树，从图中可以一目了然的了解决策树的概念，上面的图中只有一个属性来决定这个人是男还是女，一个属性往往决定的结…

    问题来源与七月学习之 （3.x线性代数与矩阵运算基础）

主要内容： 回归 1.线性回归 2.Logistic回归 最优问题： 1.梯度下降 2.牛顿法 3.拟牛顿法 了解参数学习算法和非参数学习算法的区别 高斯分布（正态分布）   1. 2.线性回归 考虑2个变量 多变量的情形 3.最小二乘的目标函数 m为样本个数，则一个比较“符合常理”的误差函数为： 符合常理 n最小二乘建立的目标函数，即是在噪声为均值为0的高…

20.共轭函数   21.凸优化 优化问题的基本形式 告诉几个等式约束求最值     局部最优问题 22.非凸优化问题的变形 23.对偶问题 24.Lagrange对偶函数(dual function) Lagrange 对偶函数 若没有下确界，定义: 根据定义，显然有：对∀λ>0，∀v，若原优化问题有最优值p*，则 进一步：Lagrange对偶函数为…

1. 你在研究/项目/实习经历中主要用过哪些机器学习/数据挖掘的算法？ 答：推荐中用过CF,LR  分类中用过SVM,GBDT；   一般用法是什么，是不是自己实现的，有什么比较知名的实现，使用过程中踩过哪些坑； 优缺点分析。 2.你熟悉的机器学习/数据挖掘算法主要有哪些？ 基础算法要多说，其它算法要挑熟悉程度高的说，不光列举算法，也适当说说应用场合；   …

1.安装python 下载安装即可：最好是C盘 路径：https://www.python.org/ 将Python的安装路径加到path环境变量中,Python/Scripts加到path环境变量 命令行输入Python -V查看python版本 启动python ： 命令行输入 python 2.安装pip 之前先暗转setuptools a) 下载路径…

不废话直接代码吧 # 1.模块导入 import jieba import gensim from gensim import corpora from gensim import models from gensim import similarities # 2.制作问题库 # 2.制作问题库 l1 = [“你叫什么名字”, “你的姓名是什么”, “你的…

CSV和EXCEL： excel文件和 csv 文件的区别在于前者有分页（sheet），而且用文档编辑器打开的话会发现 excel 一行之间的单元格是以英文逗号 “,” 结尾，而 csv 是以制表 “\t” 结尾。注意一点的是，并不是所有得到文件其内容都很规范，比如在一个单元格里面有一大段句子含有英文逗号，就会导致生成 DataFrame 出现问题。所以在导…