决策树算法，它是基于ID3算法进行改进后的一种重要算法，相比于ID3算法，改进有如下几个要点：用信息增益率来
Rocchio算法是IR中通过查询的初始匹配文档对原始查询进行修改以优化查询的方法。Rocc么我们希望找到的最优的q 是：sim 函数用于...
摘自： 《数据挖掘-实用机器学习技术》一、推断基本规则，1规则（1-rule）定义：建立一个只对单个属性进行测试的规则，并进行不同的分支。，每一个分支对应一个不同的属性值。过程为： 对每个属性 对每个属性值，建立如下一条规则 计算每个类别（属性值-结果）出现的频率，找出出现最频繁
KNN k临近算法遍历所有训练样本，求距离最近的点的结论，作为最后的预测结果MR版：map求样本距离（key：样本，value：距离），combine求的最小值，是过滤功能，reduce就有一个求得距离最小值 贝叶斯：贝叶斯定理公式：P(A|B)=P(B|A)*P(A)/P(B)贝叶斯将在属性条件下的结论的概率转为：在结论条件下属性的概率的乘积*结论的概率求得样本属性的在结论上的出现次数
机器学习：输入 一、四种学习方式：1.分类学习 classification learning ： 用一个已分类的样
机器学习 线性回归
http://uestzengting.iteye.com/blog/1891244 贝叶斯算法实现：关键需要计算结论概率向量，当有两个结论时，则计算出连个结论向量p1,p2p1{[a1|w,a2|w,a3|w]} 其中a1|w 为当训练样例结论为1时，a1出现总数/所有属性出现总数p2也同理 当测试算法时，将测试数据与p1,p2相乘，并乘以
.2推荐系统的主要方法2.常用推荐算法2.1协同过滤：2.2基于人口统计学的过滤2.3内容过滤2.4社会化过滤2.5地理位4新颖性和惊喜度
机器学习基本概念：（定义）1.机器学习：从数据中寻找有价值的模式（操作） 通过学习表现更好的行为（操作） 2.属性列表法：属性的组合，对应结果 3.决策列 decision list ： 属性组合对应结果明确结果（可以减少决策判断次数，如下雨yes，玩no。之后的条件就无需判断），有上下文。 4.决策
机器学习：输出 机器学习的输出时一系列的模式的表达方式，是推断数据输出结构的技术以下就是输出结构的表达方式： 一、决策表与输入的表格相似，从输入表中找到一些合适的条件组合来确定最终的结果 二、决策树一个决策树上的节点包含了对某个特定属性的测试。叶节点给到达叶子的实例给出一个分类。当路径采用分裂成几个部分，分裂部分需要有权值，权值和为1路径：1.名词性属性-
能的优劣。目前，主要的推荐方法包括：基于内容推荐、协同过滤推荐、基
Copyright © 2005-2024 51CTO.COM 版权所有 京ICP证060544号
