数据挖掘主要解决的四类问题 数据挖掘主要解决的四类问题 数据挖掘非常清晰的界定了它所能解决的几类问题。这是一个高度的归纳，数据挖掘的应用就是把这几类问题演绎的一个过程。下面让我们来看看它所解决的四类问题是如何界定的： 1、分类问题 分类问题属于预测性的问题，但是它跟普通预测问题的区别在于其预测的结果 ...
分类：
其他好文 时间：
2016-10-05 12:43:36
阅读次数：
106
SVM(Support Vector Machine)有监督的机器学习方法，可以做分类也可以做回归。有好几个模型，SVM基本，SVM对偶型，软间隔SVM，核方法，前两个有理论价值，后两个有实践价值。下图来自龙老师整理课件。 基本概念 线性SVM，线性可分的分类问题场景下的SVM。硬间隔。 线性不可分 ...
分类：
其他好文 时间：
2016-10-01 22:03:39
阅读次数：
228
线性支持向量机。 在这种分类问题中，我们需要选一条最“胖”的线，而这条最胖的线就是margin largest的线。 我们的优化目标就是最大化这个margin。也就是在最小化每一个点到这条线的距离。这个距离怎么计算呢？ 为了以后不会混淆，w0就不整合成向量w了，另外取一个新名字b。同样地，x0=1也 ...
分类：
系统相关 时间：
2016-09-28 22:19:03
阅读次数：
442
本节课重要讲述非线性的问题怎么样才能变成线性的分类问题。 到目前为止，我们会用模型进行线性的分类（左图），但是遇到右图的样子的时候，还是不能用一条线将它们分开。 但是右图视觉上，明显是可以用一个圆来进行分类的，假设一个半径为0.6的圆： 将上面的方程式进行展开和赋值，通过转换，再一次把圆形的方程式换 ...
分类：
其他好文 时间：
2016-09-28 12:35:10
阅读次数：
143
C4.5是一套用来处理分类问题的算法，属于有监督学习的类型，每个实例由一组属性来描述，每个实例仅属于一个类别。 如下是一个数据集 算法的发展历史 J.Ross Quinlan设计的C4.5算法源于名为ID3的一种决策树诱导算法。 而ID3是迭代分解器（iterative dichotomizers）... ...
分类：
编程语言 时间：
2016-09-22 01:18:27
阅读次数：
187
一，逻辑回归Logistic Regression 逻辑回归是线性模型Y=f（x）=b0+b1*x的延伸，一般用来做2分类问题，输出标记C={0,1}，C就是classification的意思，通俗的讲，就要建立Y和C之间的关系，Y是多少的时候，C是0，Y是多少的时候，C是1，传统的线性回归输出的y ...
分类：
编程语言 时间：
2016-09-21 21:35:12
阅读次数：
204
什么是聚类分析？ 聚类分析属于探索性的数据分析方法。通常，我们利用聚类分析将看似无序的对象进行分组、归类，以达到更好地理解研究对象的目的。聚类结果要求组内对象相似性较高，组间对象相似性较低。在用户研究中，很多问题可以借助聚类分析来解决，比如，网站的信息分类问题、网页的点击行为关联性问题以及用户分类问 ...
分类：
其他好文 时间：
2016-09-20 23:52:09
阅读次数：
145
第4章 分类:基本概念、决策树与模型评估 分类任务就是确定对象属于哪个预定义的目标类。分类问题是一个普遍存在的问题，有许多不同的应用。例如：根据电子邮件的标题和内容检查出垃圾邮件，根据核磁共振扫描的结果区分肿瘤是恶性的还是良性的，根据星系的形状对它们进行分析。 本章介绍分类的基本概念，讨论诸如模型的 ...
分类：
其他好文 时间：
2016-09-17 21:58:46
阅读次数：
1353
当训练好一个model之后，我们通常会根据这个model最终的loss和在验证集上的accuracy来判断它的好坏。但是，对于分类问题，我们如果只是知道整体的分类正确率 显然还不够，所以只有知道模型对于每一类的分类结果以及正确率这样才能更好的理解这个模型。 下面就是一个用训练好的模型，来对测试集进行 ...
分类：
编程语言 时间：
2016-09-02 20:20:13
阅读次数：
6208
监督学习多用来解决分类问题，输入的数据由特征和标签两部分构成。我们由浅入深地介绍一些经典的有监督的机器学习算法。 这里介绍一些比较简单容易理解的处理线性分类问题的算法。 线性可分&线性不可分 首先，什么是线性分类问题？线性分类问题是指，根据标签确定的数据在其空间中的分布，可以使用一条直线（或者平面， ...
分类：
其他好文 时间：
2016-08-28 06:29:07
阅读次数：
225
