摘要：
机器学习->监督学习->分类学习->决策树->ID3: LOOP: 。选择A.< best attribute.可以通过多种不同的方法确定最佳属性。 。把A作为节点的属性 。对于属性A的每个值，生成一个后代节点 。根据属性A可接受的值，讲训练样本分类到叶子中 。IF 训练样本完美分类: 停止操作 。 阅读全文
摘要：
机器学习->监督学习->分类学习->决策树 通过一个约会吃饭的例子，说明决策树。输入是饭店的特征，输出是是否进去吃饭。 输入即那些会影响输出的属性，比如饭店的类型，氛围，客人多少，约会对象如何，费用，天气，饿不饿，等等， 使用相关的属性,即特征来引导生成决策树 圆圈: 决策节点，该节点为一个属性(A 阅读全文
摘要：
机器学习的分类 1.监督学习(supervised learning) 获取已标记的数据集，通过标记的数据集来收集信息，以便能标记新的数据集，也就是一个函数逼近的过程。 所有的机器学习，当然也包括监督学习，都与归纳而非演绎有关。归纳很重要，归纳偏差也很重要。 监督学习就是一个 从训练样本--> 泛化 阅读全文
摘要：
1. whoosh安装 pip install Whoosh 2. 添加索引 第一步:生成schema 第二步:根据schema生成index.index就是一个目录中的一堆文件 (针对某个目录，调用一个已存在的索引名字的index.create_in方法，会清空已存在索引的内容！).若想清除索引， 阅读全文