lpzju

摘要： 现在，我们要做的是进行属性(或者说特征)的选择 光看程序清单3-2，以及把数组带进去运行一遍可能也有点不清晰，最好先看一下西瓜书 然后意思是传进去一个数据集，对于某一列(axis=0表示第1列)，如果为0(value=0)，那么保留这一行但是不要这个属性对应的值 import shannonEnt 阅读全文

摘要： 首先计算Ent，这里最好看一下西瓜书的P75页，结合着来学习 我们首先要计算信息熵Ent，然后再计算信息增益Gain from math import log # 数据集 dataSet = [[1, 1, 'yes'], [1, 1, 'yes'], [1, 0, 'no'], [0, 1, 'n 阅读全文

摘要： 最后，我们要进行手写数字分类任务，但是现在我们是用kNN算法，可能会比较慢 首先，完整地看完2.3.1和2.3.2的内容，然后找到trainingDigits和testDigits文件夹，大致浏览下 那么思路应该是： 从文件夹中获取文件名，，并且文件名中包含了标记，再分别打开每个文件 对打开的每个文 阅读全文

摘要： 现在进行第五步，对数据进行预测 那么要做的的是从数据集里面拿出一部分作为要预测的，剩下的去比较，书上使用的是10% # 对之前做好的kNN算法进行预测 # 首先获取之前构造好的kNN分类器、数据、规则化之后的数据 import kNN import norm # 倒完包之后先别急，目的是从规则化的数 阅读全文

摘要： 现在我们想要展示一些可视化内容 首先导包，如果是在jupyter notebook上，需要加入魔法函数：%matplotlib inline，这表示可以在jupyter上直接画图 import datingTest import matplotlib.pyplot as plt import num 阅读全文

摘要： 一直被numpy和matplotlib困扰，打算好好学习一下，也是从自己的观点，学对自己帮助最大的部分 主要参考<https: www.runoob.com="" numpy="" numpy-advanced-indexing.html=""> Numpy numpy主要用于多维数组和矩阵，与ma 阅读全文

摘要： 在上一小节，我们大概了解了kNN算法的基本原理，现在我们要进行数据的处理 本小节所用数据集来自[机器学习实战]:Machine Learning in Action (manning.com) 下载数据集后，将datingTestSet2.txt和datingTestSet放在本程序同一文件夹下 首 阅读全文

摘要： 写在开头，打算耐心啃完机器学习实战这本书，所用版本为2013年6月第1版 在P19页的实施kNN算法时，有很多地方不懂，遂仔细研究，记录如下： 字典按值进行排序 首先仔细读完kNN算法之后，了解其是用距离来进行判别 程序清单2-1看不太明白，于是把具体的inX，dataSet，labels，k带进去 阅读全文