数据集描述本文采用mushroom 数据集，该数据集由Jeff Schlimmer在1987年贡献，通常用于分类算法中。mushroom数据集包含8124个数据项。数据如下：数据预处理过程在数据分析过程中，获得进行统计分析和建模的对象（即数据）的过程也是必不可少的重要环节。数据的预处理包括数据整理、数据合并及分拆、数据清洗、数据变换等内容。本文采用的数据预处理方法是把字符转换成数字，这样方便数据信
转载
2024-11-01 20:40:30
22阅读
在大数据时代，数据挖掘是最关键的工作。大数据的挖掘是从海量、不完全的、有噪声的、模糊的、随机的大型数据库中发现隐含在其中有价值的、潜在有用的信息和知识的过程，也是一种决策支持过程。其主要基于人工智能，机器学习，模式学习，统计学等。通过对大数据高度自动化地分析，做出归纳性的推理，从中挖掘出潜在的模式，可以帮助企业、商家、用户调整市场政策、减少风险、理性面对市场，并做出正确的决策。目前，在很多领域尤其
转载
2024-08-15 15:06:18
25阅读
算法时间复杂度分析；算法空间复杂度分析；大O记法 目录1.时间复杂度分析1.1.事后分析估算方法1.2.时候分析估算方法2.空间复杂度分析2.1.基本数据类型内存占用2.2.实例化对象的内存占用3.函数的渐进增长4.大O记法4.1.推导大O阶的标识法的规则：4.2.常见的大O阶4.3.最坏情况分析 1.时间复杂度分析用来计算算法时间损耗情况1.1.事后分析估算方法将算法执行若干次，并计量执行算法所
转载
2023-08-20 23:03:14
66阅读
广义来说，有三种机器学习算法1、 监督式学习工作机制：这个算法由一个目标变量或结果变量(或因变量)组成。这些变量由已知的一系列预示变量(自变量)预测而来。利用这一系列变量，我们生成一个将输入值映射到期望输出值的函数。这个训练过程会一直持续，直到模型在训练数据上获得期望的精确度。监督式学习的例子有：回归、决策树、随机森林、K – 近邻算法、逻辑回归等。2、非监督式学习工作机制：在这个算法中，没有任何
转载
2023-07-11 12:33:46
83阅读
算法分析的两个主要方面：时间复杂度和空间复杂度1、时间复杂度大O记法用f(n)来抽象表示一个算法的执行总次数。因此可以推导出所有代码的执行总时间T(n)和每行代码的执行次数n之间的关系是：T(n)=O(f(n))公式中的O表示代码的执行总时间T(n)和其执行总次数f(n)成正比。这种表示法，称之为大O记法。大O记法T(n)=O(f(n))，表示随问题规模n的增大，算法执行时间的增长率和f(n)的增
博客：大数据分类算法深度解析1. 背景大数据的快速增长带来了更多的机会和挑战。分类算法作为机器学习的基石之一，在处理大规模数据时变得尤为重要。其目标是根据已知的数据集，将新数据分配到预定义的类别中。2. 特征提取与预处理在分类算法中，特征提取是非常关键的一步。特征是从原始数据中提取的具有代表性的信息，用于描述数据的属性和特性。有效的特征提取可以帮助算法更好地理解数据，提高分类模型的性能。2.1 数
原创
精选
2024-01-15 08:39:13
1592阅读
一、学习路线二、算法C4.5 决策树算法，在创建的过程中进行剪枝，并且可以处理连续的属性，也可以对不完整的数据进行处理。他是决策树算法中具有里程碑式的算法。朴素贝叶斯（Naive Bayes) 基于概率论的原理。基本思想：对于给出的具体物体想进行分类就要 算出这个物体出现条件下各个类别出现的概率，那个概率最大，该物体就属于哪一类。SVM 支持向量机算法。SVM在训练过程中建立了超平面的分类模型，将
转载
2024-01-13 20:43:35
58阅读
算法 算法（algorithm）是为求解一个问题需要遵循的、被清楚地指定的简单指令的集合。 数学基础1. 大O表示法： 如果存在正常数 c 和 n0 使得当 N ≥ n0时，T(N) ≤ cf(N)，则记为T(N) = O(f(N))。 （描述了T(N)的相对增长率小
转载
2024-01-30 02:24:14
188阅读
一 . K-近邻算法(KNN)概述K最近邻(k-Nearest Neighbor，KNN)最简单最初级的分类器是将全部的训练数据所对应的类别都记录下来，当测试对象的属性和某个训练对象的属性完全匹配时，便可以对其进行分类。但是怎么可能所有测试对象都会找到与之完全匹配的训练对象呢，其次就是存在一个测试对象同时与多个训练对象匹配，导致一个训练对象被分到了多个类的问题，基于这些问题呢，就产生了KNN。KN
转载
2023-08-16 17:44:35
61阅读
关于多分类我们常见的逻辑回归、SVM等常用于解决二分类问题，对于多分类问题，比如识别手写数字，它就需要10个分类，同样也可以用逻辑回归或SVM，只是需要多个二分类来组成多分类，但这里讨论另外一种方式来解决多分类——SoftMax。SoftMax模型 Softmax回归模型是logistic回归模型在多分类问题上的推广，当分类数为2的时候会退化为Logistic分类。.在多分类问题中，类标签 可
1、KNN分类算法KNN分类算法（K-Nearest-Neighbors Classification），又叫K近邻算法，是一个概念极其简单，而分类效果又很优秀的分类算法。他的核心思想就是，要确定测试样本属于哪一类，就寻找所有训练样本中与该测试样本“距离”最近的前K个样本，然后看这K个样本大部分属于哪一类，那么就认为这个测试样本也属于哪一类。简单的说就是让最相似的K个样本来投票决定。
KNN
转载
2024-04-24 19:36:37
30阅读
监督学习（有目标值，输入数据有特征有标签，即有标准答案） 1、分类算法（其目标值是类别） 2、回归算法（其目标值是连续型的数据） 无监督学习（无目标值，输入数据有特征无标签
转载
2023-08-08 13:22:23
95阅读
一直以来，对于机器学习领域，Python都是人们津津乐道的话题，大家知道我们在用python学习机器技术时候，用到的方法内容和一般情况下的是一样的吗？想必，了解过的小伙伴一定是知道有哪些的，不知道的小伙伴也不必担心，如果刚好你正在学习机器技术，那就来看下以下内容，对大家一定有帮助哦~一、KNN算法二、算法过程1.读取数据集2.处理数据集数据 清洗，采用留出法hold-out拆分数据集：训练集、测试
转载
2023-06-20 13:02:24
0阅读
机器学习应用分析–有监督算法-分类算法 ### 按学习方式分类：监督学习无监督学习半监督学习强化学习①监督学习数据集中的每个样本有相应的“正确答案”， 根据这些样本做出预测， 分有两类： 回归问题和分类问题。（ 1） 回归问题举例例如： 预测房价， 根据样本集拟合出一条连续曲线。（ 2） 分类问题举例例如： 根据肿瘤特征判断良性还是恶性，得到的是结果是“良性”或者“恶性”， 是离散的。监督学习：从
转载
2024-05-10 20:17:06
1015阅读
01 概述 大数据必然涉及海量数据，所谓海量数据，就是数据量太大，要么在短时间内无法计算出结果，要么因为数据太大无法一次性装入内存。 针对时间，我们可以使用巧妙的算法搭配合适的数据结构，如bitmap/堆/trie树等进行优化。 针对空间，就一个办法，大而化小，分而治之，
转载
2024-04-21 08:52:13
123阅读
本文主要图文结合，建议阅读8分钟。通过本文为大家从4个方面介绍今日头条推荐系统的算法原理。 今天，算法分发已经是信息平台、搜索引擎、浏览器、社交软件等几乎所有软件的标配，但同时，算法也开始面临质疑、挑战和误解。今日头条的推荐算法，从2012年9月第一版开发运行至今，已经经过四次大的调整和修改。 今日头条委托
数据分析之决策树ID3算法什么是分类算法？ 分类算法跟之前的聚类都是让不同对象个体划分到不同的组中的。但是分类不同之处在于类别在运算之前就已经是确定的。 分类是根据训练数据集合，结合某种分类算法，比如这篇讲的ID3算法来生成最终的分类规则，这样当提供一个对象的时候我们可以根据它们的特征将其划分到某个分组中。 决策树ID3算法是分类中的经典算法，决策树的每一层节点依照某一确定程度比较高的属性向
转载
2024-01-16 15:34:50
55阅读
在大数据时代，处理海量数据并从中提取有用信息变得至关重要。分类算法是机器学习领域的核心，它们在大数据分析、模式识别和决策支持等方面发挥着关键作用。本文将深度解析大数据分类算法，包括其基本原理、常见算法、应用场景以及未来发展方向。
原创
精选
2024-01-12 10:29:05
2209阅读
点赞
博客：大数据分类算法深度解析1. 背景大数据的快速增长带来了更多的机会和挑战。分类算法作为机器学习的基石之一，在处理大规模数据时变得尤为重要。其目标是根据已知的数据集，将新数据分配到预定义的类别中。2. 特征提取与预处理在分类算法中，特征提取是非常关键的一步。特征是从原始数据中提取的具有代表性的信息，用于描述数据的属性和特性。有效的特征提取可以帮助算法更好地理解数据，提高分类模型的性能。2.1 数
原创
精选
2024-01-13 08:16:16
2037阅读
点赞
元算法（meta-algorithm）是对其他算法进行组合的一种方式
AdaBoost优点：泛化错误率低，易编码，可以用用在大部分分类器上，无参数调整
缺点：对离群点敏感
适用数据类型：数值型和标称型数据
基于数据集多重抽样的分类器前面已经介绍了五种不同的分类算法，它们各有优缺点。自然可以将不同的分类器组合起来，而这种组合结果则被称为集成方法（ensemble met
转载
2024-05-08 14:09:49
55阅读
