05 2020 档案

机器学习十三——垃圾邮件分类2
摘要：1.读取 2.数据预处理 数据预处理函数： 词性标记函数 3.数据划分—训练集和测试集数据划分 from sklearn.model_selection import train_test_split x_train,x_test, y_train, y_test = train_test_spli 阅读全文

posted @ 2020-05-23 03:16 xiaoAP 阅读(218) 评论(0) 推荐(0)

机器学习十二----朴素贝叶斯-垃圾邮件分类
摘要：1. 读邮件数据集文件，提取邮件本身与标签。 列表 numpy数组 2.邮件预处理 邮件分句 句子分词 大小写，标点符号，去掉过短的单词 词性还原：复数、时态、比较级 连接成字符串 2.1 传统方法来实现 2.2 nltk库的安装与使用 pip install nltk import nltk nl 阅读全文

posted @ 2020-05-17 16:03 xiaoAP 阅读(180) 评论(0) 推荐(0)

机器学习十一 ——分类与监督学习，朴素贝叶斯分类算法
摘要：1.理解分类与监督学习、聚类与无监督学习。 简述分类与聚类的联系与区别。 联系：均是用于对数据进行分类的机器学习方法 区别： 分类 聚类 监督学习 无监督学习 有标签的和无标签的都有 数据无标签 简述什么是监督学习与无监督学习。 2.朴素贝叶斯分类算法 实例 利用关于心脏病患者的临床历史数据集，建立 阅读全文

posted @ 2020-05-13 20:41 xiaoAP 阅读(296) 评论(0) 推荐(0)

机器学习九----主成分分析
摘要：一、用自己的话描述出其本身的含义： 1、特征选择 特征选择就是在进行机器学习的模型训练和预测过程中，在面对大量的特征数据前，去掉无关的特征，实现数据的降维。举个例子，预测某一天出去玩的概率，如果数据中有类似衣服颜色、袜子颜色等无用的数据，就可人工把这些特征数据去掉。这样不仅提高了模型训练的速度，也提 阅读全文

posted @ 2020-05-04 15:34 xiaoAP 阅读(178) 评论(0) 推荐(0)

导航