高方差，选B
出现过拟合问题，选BD
出现欠拟合问题，选BC
选AC 一般用 6 2 2来分，随机打乱数据是很有必要的。
选择BD
A、出现高偏差，增加训练数据会增加测试误差
C、明显错的
求准确率 （85+10）/ 1000 = 0.095
选AB
选A
CD明显错误，precision和recall都有改变，precision变低，recall变高
选ABD
选BC
本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：Coursera机器学习week6 单元测试 - Python技术站
自己一直学习计算机视觉方面的东西，现在想学习一下数据挖掘跟搜索引擎，自己基础也有点薄弱，看朱明的那本数据挖掘，只能片面的了解这个数据挖掘。不过最近有一本书 机器学习实战，于是乎通过实战的形式了解一下基本的算法的执行过程。在算法当中，很多都是相通的，模式识别、机器学习、数据挖掘、自然语言处理等等这些算法归结起来其实差不了多少，题外话不多说了，好好学习。 k近邻…
监督学习 简单来说监督学习模型如图所示 其中 x是输入变量 又叫特征向量 y是输出变量 又叫目标向量 通常的我们用（x,y）表示一个样本 而第i个样本 用（x（i），y（i））表示 h是输出函数 监督学习的任务是学习一个模型，使模型能够对任意的输入，做出很好的预测。 习惯的样本训练数目用m表示 梯度下降算法 h(x) = Θ0 +Θ1×1+…+Θi…
评估指标的局限性 准确率（Accuracy） \(\text{Accuracy} = \dfrac{n_{correct}}{n_{total}}\) 样本不均衡时，不准确 改进：平均准确率 精确率(Precision)和召回率(Recall) 精确率：分类正确的正样本个数占分类器判定为正样本的样本个数比例 召回率：分类正确的正样本个数占真正的正样本个数的比…
在本节中，我们介绍Softmax回归模型，该模型是logistic回归模型在多分类问题上的推广，在多分类问题中，类标签 可以取两个以上的值。 Softmax回归模型对于诸如MNIST手写数字分类等问题是很有用的，该问题的目的是辨识10个不同的单个数字。Softmax回归是有监督的，不过后面也会介绍它与深度学习/无监督学习方法的结合。（译者注： MNIST 是…
今天呢，对机器学习的种类进行介绍～ 从是否在人类监督下训练，可以分为：监督式学习、无监督式学习、半监督式学习和强化学习； 从是否可以动态地进行增量学习，可以分为：在线学习和批量学习； 从是简单地将新的数据点和已知的数据点进行匹配，还是像科学家那样，对训练数据进行模式检测，然后建立一个预测模型，可以分为：基于实例的学习和基于模型的学习。 下面呢，我们来…
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…
ndarray.dtype 数据类型必须是一样的 常用代码 import numpy #numpy读取文件 world_alcohol = numpy.genfromtxt(“world_alcohol.txt”, delimiter=”,”, dtype=str, skip_header=1) #<class ‘numpy.ndarray’> …
这个算法。我个人感觉有点鸡肋。最终的表达也不是特别清楚。 原理很简单，从所有的样本中选取Euclidean distance最近的两个样本，归为一类，取其平均值组成一个新样本，总样本数少1；不断的重复，最终样本数为1。这样的话就形成了一个树，每个节点要不有两个子节点，要不没有子节点。 这个算法也大概能分出来类，但是实用性我觉得不是很强。 源代码 1 fr…
微信扫一扫 
支付宝扫一扫