phoenixash的博客_机器学习

转载：遗传算法详解（GA）（个人觉得很形象，很适合初学者）

遗传算法

转载 2021-09-10 17:32:52 238 阅读

机器学习实战_初识决策树算法_理解其python代码（一）

这是经过我修改后能在python3.0中完美运行的Tree决策树 project源码,可以直接拿来学习: http://download.csdn.net/download/qq_36396104/10142842（一）计算给定数据集的香农熵（个人理解为计算给定信息集纯度的一种数学计算指标）：from math import logdef calcShannonEnt(dataSet):#ca

机器学习

python

算法

决策树

代码

原创 2021-09-05 09:34:24 131 阅读

【转】通俗理解条件熵

前面我们总结了信息熵的概念通俗理解信息熵 - 知乎专栏,这次我们来理解一下条件熵。我们首先知道信息熵是考虑该随机变量的所有可能取值，即所有可能发生事件所带来的信息量的期望。公式如下：我们的条件熵的定义是：定义为X给定条件下，Y的条件概率分布的熵对X的数学期望这个还是比较抽象，

条件熵

决策树

详解

数据

信息熵

转载 2021-09-03 10:34:40 1234 阅读

【转】深入浅出理解决策树算法（二）-ID3算法与C4.5算法

从深入浅出理解决策树算法（一）-核心思想 - 知乎专栏文章中，我们已经知道了决策树最基本也是最核心的思想。那就是其实决策树就是可以看做一个if-then规则的集合。我们从决策树的根结点到每一个都叶结点构建一条规则。并且我们将要预测的实例都可以被一条路径或者一条规则所覆盖。

c4.5

id3

决策树

详解

信息增益

转载 2021-09-03 10:34:23 395 阅读

[转载]一篇十分优秀的学习隐马尔可夫模型的文章（良心啊）

HMM 最佳学习范例一介绍（Introduction）我们通常都习惯寻找一个事物在一段时间里的变化模式（规律）。这些模式发生在很多领域，比如计算机中的指令序列，句子中的词语顺序和口语单词中的音素序列等等，事实上任何领域中的一系列事件都有可能产生有用的模式。

HMM

隐马尔科夫

马尔科夫模型

HMM学习

状态转移

转载 2021-09-01 17:16:55 95 阅读

迭代算法

迭代算法是用计算机解决问题的一种基本方法。它利用计算机运算速度快、适合做重复性操作的特点，让计算机对一组指令(或一定步骤)进行重复执行，在每次执行这组指令(或这些步骤)时，都从变量的原值推出它的一个新值。利用迭代算法解决问题，需要做好以下三个方面的工作：一、确定迭代变量。在可以用迭代算法解决的问题中，至少存在一个直接或间接地不断由旧值递推出新值的变量，这个变量就是迭代变量。二、建立迭代

迭代

算法

方程组

迭代法

递推公式

转载 2021-09-01 17:11:09 2182 阅读 1收藏

【机器学习-决策树模块-基础算法-2)C4.5算法】

承接上一篇决策树ID3算法:http://blog.csdn.net/qq_36396104/article/details/79278779二、C4.5C4.5算法是Quinlan提出的一系列算法，包括C4.5 决策树、C4.5剪枝和 C4.5规则（C4.5 Tree-C4.5Pruning-C4.5Rules）。

决策树

C4.5

信息增益

d3

特征值

原创 2021-09-01 17:10:45 601 阅读

决策树ID3算法和C4.5算法实战

老师给的题目：代码实现【两种算法合在一个文件里】： from numpy import *def createDataSet(): dataSet = [[1, 1, 1, 0, 'no'], [1, 1, 1, 1, 'no'], [0, 1, 1, 0, 'yes'], [-1,...

决策树

d3

子节点

特征值

测试数据

原创 2021-08-31 14:22:19 457 阅读

机器学习实战_初识kNN算法_理解其python代码

这是经过我修改后能在python3.0中完美运行的KNN project,可以直接拿来学习: http://download.csdn.net/download/qq_36396104/10142842以下为我搜索后结合自己的想法编写，如有侵权，可联系我核实后删除（恕我小白一只~）（一） python基础： numpy： 1、shape函数是numpy.core.from

机器学习

knn算法

python

算法

代码

原创 2021-08-31 14:09:07 429 阅读

机器学习实战_初识朴素贝叶斯算法_理解其python代码（一）

这是经过我修改后能在python3.0中完美运行的Bayes project源代码,可以直接拿来学习: http://download.csdn.net/download/qq_36396104/10142849一：加载数据的代码：def loadDataSet(): postingList=[['my', 'dog', 'has', 'flea', 'problems', 'help'

python

机器学习

算法

注释

词向量

原创 2021-08-31 14:09:05 44 阅读

最大似然估计(Maximum likelihood estimation)(通过例子理解)

之前看书上的一直不理解到底什么是似然，最后还是查了好几篇文章后才明白，现在我来总结一下吧，要想看懂最大似然估计，首先我们要理解什么是似然，不然对我来说不理解似然，我就一直在困惑最大似然估计到底要求的是个什么东西，而那个未知数θ到底是个什么东西TT原博主写的太好了

似然

最大似然估计

例子

似然函数

极值

转载 2021-08-31 14:06:46 180 阅读

什么是P问题、NP问题和NPC问题

什么是P问题、NP问题和NPC问题静心看下去，有很大的收获哦~这或许是众多OIer最大的误区之一。你会经常看到网上出现“这怎么做，这不是NP问题吗”、“这个只有搜了，这已经被证明是NP问题了”之类的话。你要知道，大多数人此时所说的NP问题其实都是指的NPC问题。他们没有搞清楚NP问题和NPC问题的概念。NP问题并不是那种“只有搜才行”的问题，NPC问题才是。好，行了，基本上这个误解已

p问题

np问题

npc问题

多项式

复杂度

转载 2021-08-31 14:06:13 103 阅读

【转】深入浅出理解决策树算法（一）-核心思想

算法思想决策树（decision tree）是一个树结构（可以是二叉树或非二叉树）。其每个非叶节点表示一个特征属性上的测试，每个分支代表这个特征属性在某个值域上的输出，而每个叶节点存放一个类别。使用决策树进行决策的过程就是从根节点开始，测试待分类项中相应的特征属性，并按照其值选择输出分支，直到到达叶子节点，将叶子节点存放的类别作为决策结果。总结来说：决策树模型核心是下面几部分：...

决策树

详解

结点

数据

子节点

转载 2021-08-31 13:50:48 293 阅读

【转】通俗理解信息熵

信息增益

决策树

详解

信息熵

取值

转载 2021-08-31 13:47:57 165 阅读

机器学习实战_初识决策树（ID3）算法_理解其python代码（二）

python递归构建决策树：Python 基础： count()方法： Python count() 方法用于统计字符串里某个字符出现的次数。可选参数为在字符串搜索的开始与结束位置。示例：>>> a = [-1, 3, 'aa', 85] # 定义一个list>>> a[-1, 3, 'aa', 85]>>> del a[0] # 删除第0个元素>>> a[3, 'aa', 85]

python

代码

理解

决策树id3算法

机器学习

原创 2021-08-31 13:41:50 108 阅读

补：机器学习实战_初识决策树（ID3）算法的绘制树形图的代码

python基础：中间可能会遇到的一些问题：主要是Python2.x与3.x的差别导致的： firstStr = myTree.keys()[0] #Clearly you’re passing in d.keys() to your shuffle function. # Probably this was written with python2.x (whe

python

机器学习

代码补充

代码

其他

原创 2021-08-31 13:41:48 96 阅读

机器学习实战_初识朴素贝叶斯算法_理解其python代码（二）

python 基础:中间还有pickle二进制读取文件部分的error这个可以参见：机器学习实战初识决策树（ID3）算法理解其python代码（二）的第四部分append: Appends object at end.：x = [1, 2, 3]x.append([4, 5])print (x)[1, 2, 3, [4, 5]]extend: Extends list by appending

python

算法

机器学习实战

朴素贝叶斯

ico

原创 2021-08-31 13:41:38 44 阅读

机器学习算法-聚类（一、性能度量和距离计算）

最近正式进入到机器学习的理论学习中啦，准备写一些笔记来加深我对机器学习算法的理解~所谓聚类在我的理解中是：将数据集中的样本划分为若干个不相交的子集，每个子集即为一个簇：它可用于寻找数据内在的分布结构，也可作为其它学习任务的前驱过程，来提炼数据以下是聚类算法涉及的两个基本问题：性能度量和距离计算：聚类是将样本划分为若干互不相交的子集（样本簇），当然我们希望是簇内相似度高

机器学习

算法

聚类

性能度量

距离计算

原创 2021-08-31 13:36:24 1509 阅读

【机器学习-决策树模块-信息论相关必备知识】

决策树--信息论必备知识------------------------------------------------------------------------------------------------------------------------- 在学习决策树的时候，最先遇到的一个与数学有关的的问题就是信息增益，在机器学习实战这本书中，构造ID3决策树的时候，使用信息论度量信息...

决策树

信息论

熵

信息增益

信息熵

原创 2021-08-31 13:36:18 158 阅读

【机器学习-决策树模块-基础算法-1)ID3算法】

决策树最最最基础的三个算法：对于什么是决策树，决策树的基本概念网上已经多的不能再多了这里不再赘述，直接切入正题，决策树的算法以及实现。至于遇到的必须要掌握的信息论相关知识，我会在这篇文章里根据自己遇到的知识来持续更新：点击打开链接：（http://blog.csdn.net/qq_36396104/article/details/79275836）------------------------...

决策树

d3

信息增益

数据

数据集

原创 2021-08-31 13:36:15 352 阅读

机器学习实战决策树代码计算香农熵 Error return arrays must be of ArrayType

from math import logimport xlrd***# from numpy import ****import operatordef calcShannonEnt(dataSet):#calculata shannonEnt numEntries = len(dataSet) labelCounts = {} for featVec in dataS

机器学习

numpy

log

TypeError

python

原创 2021-08-31 11:58:19 323 阅读

迁移学习 Transfer Learning(可能是目前最全的迁移学习资料库？)

https://github.com/jindongwang/transferlearning迁移学习 Transfer Learning(可能是目前最全的迁移学习资料库？)Everything about Transfer Learning (Probably the most complete repository?). Your contribution is highly va...

迁移学习

资料

transfer learning

sed

数据集

转载 2021-08-30 18:27:22 2870 阅读

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯

51CTO博客

12620471

转载：遗传算法详解（GA）（个人觉得很形象，很适合初学者）

机器学习实战_初识决策树算法_理解其python代码（一）

【转】通俗理解条件熵

【转】深入浅出理解决策树算法（二）-ID3算法与C4.5算法

[转载]一篇十分优秀的学习隐马尔可夫模型的文章（良心啊）

迭代算法

【机器学习-决策树模块-基础算法-2)C4.5算法】

决策树ID3算法和C4.5算法实战

机器学习实战_初识kNN算法_理解其python代码

机器学习实战_初识朴素贝叶斯算法_理解其python代码（一）

最大似然估计(Maximum likelihood estimation)(通过例子理解)

什么是P问题、NP问题和NPC问题

【转】深入浅出理解决策树算法（一）-核心思想

【转】通俗理解信息熵

机器学习实战_初识决策树（ID3）算法_理解其python代码（二）

补：机器学习实战_初识决策树（ID3）算法的绘制树形图的代码

机器学习实战_初识朴素贝叶斯算法_理解其python代码（二）

机器学习算法-聚类（一、性能度量和距离计算）

【机器学习-决策树模块-信息论相关必备知识】

【机器学习-决策树模块-基础算法-1)ID3算法】

机器学习实战决策树代码计算香农熵 Error return arrays must be of ArrayType

迁移学习 Transfer Learning(可能是目前最全的迁移学习资料库？)