使用Apriori进行关联分析（一）
摘要：
大型超市有海量交易数据，我们可以通过聚类算法寻找购买相似物品的人群，从而为特定人群提供更具个性化的服务。但是对于超市来讲，更有价值的是如何找出商品的隐藏关联，从而打包促销，以增加营业收入。其中最经典的案例就是关于尿不湿和啤酒的故事。怎样在繁杂的数据中寻找到数据之间的隐藏关系？当然可以使用穷举法，但代价高昂，所以需要使用更加智能的方法在合理时间内找到答案。Apriori就是其中的一种关联分析算法。本文是Apriori的第一篇。
阅读全文
大型超市有海量交易数据，我们可以通过聚类算法寻找购买相似物品的人群，从而为特定人群提供更具个性化的服务。但是对于超市来讲，更有价值的是如何找出商品的隐藏关联，从而打包促销，以增加营业收入。其中最经典的案例就是关于尿不湿和啤酒的故事。怎样在繁杂的数据中寻找到数据之间的隐藏关系？当然可以使用穷举法，但代价高昂，所以需要使用更加智能的方法在合理时间内找到答案。Apriori就是其中的一种关联分析算法。本文是Apriori的第一篇。
阅读全文
posted @ 2017-08-23 22:29
上篇文章中提到为每个点的距离增加一个权重，使得距离近的点可以得到更大的权重，本文介绍了如何使用反函数和高斯函数进行加权，以及加权后的计算过程
上篇文章中提到了使用pillow对手写文字进行预处理，本文介绍如何使用kNN算法对文字进行识别。k最邻近算法（k-Nearest Neighbor, KNN），是机器学习分类算法中最简单的一类。假设一个样本空间被分为几类，然后给定一个待分类的特征数据，通过计算距离该数据的最近的k个样本来判断这个数据属于哪一类。如果距离待分类属性最近的k个类大多数都属于某一个特定的类，那么这个待分类的数据也就属于这个类。
本文主要介绍使用pillow对图像进行简单处理，进而引出图像处理与手写识别的关系。
朴素贝叶斯分类是基于贝叶斯概率的思想，假设属性之间相互独立，求得各特征的概率，最后取较大的一个作为预测结果（为了消弱罕见特征对最终结果的影响，通常会为概率加入权重，在比较时加入阈值）。
AdbBoost是adaptive boosting的缩写，是众多Boosting算法中较为流行的一种。
AdaBoost算法针对不同的训练集训练同一个（使用相同算法）基本分类器（弱分类器），然后把这些在不同训练集上得到的分类器集合起来，构成一个更强的最终的分类器（强分类器）。理论证明，只要每个弱分类器分类能力比随机猜测要好，当其个数趋向于无穷个数时，强分类器的错误率将趋向于零。这点可以用直观感觉判断，只要每个分类器的正确率比错误率稍高一点点，当分类器足够多的时候，正确的数量就会压倒错误的数量。
隐马尔可夫模型（Hidden Markov Model，HMM）是一种统计模型，广泛应用在语音识别，词性自动标注，音字转换，概率文法等各个自然语言处理等应用领域。经过长期发展，尤其是在语音识别中的成功应用，使它成为一种通用的统计工具。
