摘要： 假设现在有一些数据点，我们用 一条直线对这些点进行拟合（该线称为最佳拟合直线），这个拟合过程就称作回归。利用Logistic回归进行分类的主要思想是：根据现有数据对分类边界线建立回归公式，以此进行分类。这里的 “ 回归” 一词源于最佳拟合，表示要找到最佳拟合参数集。 训练分类器时的做法就是寻找最佳拟 阅读全文

摘要： 使用朴素贝叶斯解决一些现实生活中 的问题时，需要先从文本内容得到字符串列表，然后生成词向量。 准备数据：切分文本 测试算法：使用朴素贝叶斯进行交叉验证 文件解析及完整的垃圾邮件测试函数 阅读全文

摘要： 分类器有时会产生错误结果，这时可以要求分类器给出一个最优的类别猜测结果，同 时给出这个猜测的概率估计值。 概率论是许多机器学习算法的基础 在计算 特征值取某个值的概率时涉及了一些概率知识，在那里我们先统计特征在数据集中取某个特定值 的次数，然后除以数据集的实例总数，就得到了特征取该值的概率。 首先从 阅读全文

摘要： 解决策树如何预测患者需要佩戴的隐形眼镜类型。使用小数据 集，我们就可以利用决策树学到很多知识：眼科医生是如何判断患者需要佩戴的镜片类型；一旦 理解了决策树的工作原理，我们甚至也可以帮助人们判断需要佩戴的镜片类型。 隐 形 眼 镜 数 据 集 是 非 常 著 名 的 数 据 集 ，它 包 含 很 多 阅读全文

摘要： 我们经常使用决策树处理分类问题’近来的调查表明决策树也是最经常使用的数据挖掘算法。 它之所以如此流行，一个很重要的原因就是使用者基本上不用了解机器学习算法，也不用深究它 是如何工作的。 K-近邻算法可以完成很多分类任务，但是它最大的缺点就是无法给出数据的内 在含义，决策树的主要优势就在于数据形式非常 阅读全文

摘要： 准备数据：将图像转换为测试向量 每个数字大约有200个样本；目录中包含了大约900个测试 数据。我们使用目录比testDigits的数据训练分类器，使用目录把testDigits的数据测试分类器 的效果。两组数据没有覆盖，你可以检查一下这些文件夹的文件是否符合要求。 我们将把一个32*32的二进制图 阅读全文

摘要： 准备数据：从文本文件中解析数据 海伦收集约会数据巳经有了一段时间，她把这些数据存放在文本文件(1如1^及抓 比加 中，每 个样本数据占据一行，总共有1000行。海伦的样本主要包含以下3种特征： 每年获得的飞行常客里程数 玩视频游戏所耗时间百分比 每周消费的冰淇淋公升数 将文本记录到转换NumPy的解 阅读全文

摘要： 使用欧氏距离公式 例如，点(0，0)与(1, 2)之间的距离计算为： 如果数据集存在4个特征值，则点(1，0, 0，1)与(7, 6, 9，4)之间的距离计算为： 计算完所有点之间的距离后，可以对数据按照从小到大的次序排序。然后，确定前k个距离 最小元素所在的主要分类.使用这个分类器可以完成很多分类 阅读全文

摘要： 除却一些无关紧要的情况，人们很难直接从原始数据本身获得所需信息。例如 ，对于垃圾邮 件的检测，侦测一个单词是否存在并没有太大的作用，然而当某几个特定单词同时出现时，再辅 以考察邮件长度及其他因素，人们就可以更准确地判定该邮件是否为垃圾邮件。简单地说，机器 学习就是把无序的数据转换成有用的信息。 机器学习横跨计算机科学、工程技术和统计学等多个学科，需要多学科的专业知识。稍后你 就能了解到，它也可以作 阅读全文

摘要： 双击就可以运行那个hello.exe文件了，就算本机没有安装python也能运行这个文件。 双击就能运行这个文件了，就算本机不安装python也能正常运行。 以 onefile 方式打包 mp3player 声音播放程序 运行打包有额外的文件的时候，记得要把那些额外的文件复制到对应这个.exe文件目 阅读全文