背景 维数灾难是机器学习中常见的现象，具体是指随着特征维数的不断增加，需要处理的数据相对于特征形成的空间而言比较稀疏，由有限训练数据拟合的模型可以很好的适用于训练数据，但是对于未知的测试数据，很大几率距离模型空间较远，训练的模型不能处理这些未知数据点，从而形成“过拟合”的现象。 方案 既然维数灾难严 ...
分类：
其他好文 时间：
2020-03-28 23:13:58
阅读次数：
69
常用的库：Numpy、Pandas、Matplotlib、Scipy等； 编辑器：IPython和Jupyter notebook（Anaconda包含）； 1.Numpy：Numerical Python缩写，主要用于数值计算。 2.Pandas：数据分析的主要工具。 3.matplotlib：绘 ...
分类：
其他好文 时间：
2020-03-28 17:51:09
阅读次数：
71
机器学习分为四大块，分别是classification (分类)，regression (回归), clustering (聚类), dimensionality reduction (降维)。 聚类（clustering） 无监督学习的结果。聚类的结果将产生一组集合，集合中的对象与同集合中的对象彼 ...
分类：
其他好文 时间：
2020-03-28 16:14:52
阅读次数：
398
[toc] 一、机器学习是什么 机器学习是计算机基于数据构建 并运用模型对数据进行 的学科。 机器学习是专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。 机器学习是 的核心，从大量现象中提取反复出现的规律与模式，是使计算机具有智能的根本 ...
分类：
其他好文 时间：
2020-03-28 13:01:50
阅读次数：
86
概述 命名实体识别在NLP的应用中也是非常广泛的，尤其是是information extraction的领域。Named Entity Recognition(NER) 的应用中，最常用的一种算法模型是隐式马可夫模型（Hidden Markov Modelling）- HMM。本节内容主要是通过介绍 ...
分类：
其他好文 时间：
2020-03-28 00:55:33
阅读次数：
67
sklearn PAI：from sklearn.cluster import KMeans 聚类的原理 评价指标：轮廓系数，一般[-1,1]之间，一般超过0-0.1聚类效果已经十分不错 from sklearn.cluster import KMeans # K-means PAI import ...
分类：
其他好文 时间：
2020-03-27 12:47:49
阅读次数：
64
安装 sklearn.datasets 这个包提供一些函数用于读取样本数据（数据存在 .csv 或 .csv.gz 文件），比如 酒数据集（用于分类） 13 个特征包括各种成分的含量、酒的颜色等 3 个分类简单的标记为 class_0、class_1、class_2 参数 return_X_y 表示 ...
分类：
其他好文 时间：
2020-03-27 01:01:09
阅读次数：
135
直接给代码： 1 # -- coding: gbk -- 2 from sklearn.datasets import load_breast_cancer 3 from sklearn.tree import DecisionTreeClassifier 4 from sklearn.model_ ...
分类：
其他好文 时间：
2020-03-27 00:37:45
阅读次数：
170
KNN（K-Nearest Neighbors）算法，又称K近邻算法，单从字面意思我们就能知道，这个算法肯定是和距离有关的。 KNN算法的核心思想： 在一个特征空间中，如果某个样本身边和他最相邻的K个样本大多都属于一个类别，那么这个样本在很大程度上也属于这个类别，且该样本同样具有这个类别的特性。 其 ...
分类：
编程语言 时间：
2020-03-26 21:18:36
阅读次数：
71
""" 机器学习算法分类： 监督学习（有目标值） 分类（目标值是离散型数据）：K-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络 回归（目标值是连续型数据）：线性回归、岭回归 无监督学习（无目标值）：聚类 K-means 机器学习一般会把数据集划分为训练集（3/4）和测试集（1/4），可 ...
分类：
编程语言 时间：
2020-03-26 01:37:29
阅读次数：
103
