随笔分类 - 机器学习

机器学习--无监督学习--关联规则（预测行为）

摘要：应用场景找到事物和事物之间的联系。比如购物篮分析，根据顾客的购物篮情况，推测，哪些产品经常一起购买，这样商场更明白如何进行推销。常见算法 Apriori。通过对物品的支持度、置信度、提升度的计算，以此了解两个物品之间的关联性。这里其实涉及了两个目标： 1、了解我当前应该怎么捆绑销售，就是直接把某阅读全文

posted @ 2024-07-12 16:11 1234roro 阅读(36) 评论(0) 推荐(0) 编辑

机器学习--无监督学习--聚类

摘要：适用场景没有给定一些分类的标签，让你对现有数据基于算法，自己分堆儿（聚类）。常用算法 K-Means：核心思想就是，自己先假定，一共要分几个类，然后每个类里，你要定一个c位。然后对每个点，都算一下到每个类c位的距离，哪个最小，就划入哪个类。每个点都划分好以后，对每个类的c位进行一次更新。然后继续阅读全文

posted @ 2024-07-11 11:45 1234roro 阅读(13) 评论(0) 推荐(0) 编辑

机器学习--有监督学习--分类算法（预测分类）

摘要：使用场景：做分类的，比如银行想做客户分类，看看新的这个客户，他是高风险用户还是低风险用户。原理使用：可以用贝叶斯分类，决策树算法，还有KNN，本篇主要整理KNN。 KNN原理：有N个样本点，对新纪录r，使用KNN进行分类，看它属于哪个分类。具体如下： 1、先确定k值，不建议太大，一般采用交叉验证法阅读全文

posted @ 2024-06-18 18:18 1234roro 阅读(23) 评论(0) 推荐(0) 编辑

机器学习--有监督学习--线性回归（预测数据）

摘要：整体概念有监督学习，就是会有一些已有的标签等已经做好分类的信息，你基于一些算法，把新拿到的数据，贴上对的标签；无监督学习，就是没有标签，你就自己算吧，自己把这一堆数据做不同的聚类。线性回归整理原因：为了更好地理解学习算法为什么有用、可靠，还是决定认真看看推导公式和过程。以下是有监督学习线性回阅读全文

posted @ 2024-06-07 18:26 1234roro 阅读(32) 评论(0) 推荐(0) 编辑