机器学习-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

詹惠儿

决策树分析的一个小小例子

通过计算树中每个选项的预期效用或值，您可以最大限度地降低风险并最大化达到理想结果的可能性。要计算选择的预期效用，只需从预期收益中减去该决策的成本。预期收益等于该选择可能产生的所有结果的总值，每个值乘以它可能发生的可能性。以下是我们如何根据上面的示例计算这些值： a在确定哪种结果最为理想时，考虑决策者的效用偏好很重要。例如，有些人可能更喜欢低风险期权，而有些人则愿意为更大的利益承

0.0000

0

1

0

关注作者

收藏

詹惠儿

如何进行决策树的绘制？

要绘制决策树，首先选择一个媒介。您可以在纸上或白板上手工绘制，也可以使用特殊的决策树软件。在任何一种情况下，以下是要遵循的步骤：1. 从主要决定开始。绘制一个小方框来表示此点，然后从每个可能的解决方案或操作的框中向右绘制一条线。相应地标记它们。 a2. 添加机会和决策节点以展开树，如下所示：如果需要做出其他决定，请绘制另一个框。如果结果不确定，请绘制一个圆圈（圆圈代

0.0000

0

3

0

关注作者

收藏

詹惠儿

简单阐述什么是决策树

一. 定义决策树是一系列相关选择的可能结果的映射。它反映的是个人或组织根据其成本，概率和收益权衡可能的行为。它们既可用于推动非正式讨论，也可用于绘制以数学方式预测最佳选择的算法。二. 原理决策树通常以单个节点开始，该节点分支成可能的结果。这些结果中的每一个都会导致额外的节点，这些节点分支到其他可能性。这使它具有树状的形状。有三种不同类型的节点：机会节点，决策节点和终端节点。由

0.0000

0

4

0

关注作者

收藏

阿抽哥哥

tensorflow版本号不对

为啥找不到对应的tensorflow版本？此时对应的Python版本为3.7.0：方法一：目前tensorflow不支持win7的3.7.x，需要重新安装3.6.x的版本再pip install一下。方法二：去找一些对应版本的tensorflow，安装其指定版本，例如网站：https://www.lfd.uci.edu/~gohlke/pythonlibs/ ，在里边找到ten

0.0000

0

3

0

关注作者

收藏

阿抽哥哥

啥是Scikit-Learn？

问：刚学ML，不太懂sklearn是什么？答：Python目前有不少实现机器学习算法的程序库，Scikit-Learn（简称：sklearn）是最流行的程序包之一，它为各种常用机器学习算法提供了高效的版本，是简单高效的数据挖掘和数据分析工具。Scikit-Learn建立在NumPy、SciPy以及Matplotlib之上，其干净、统一、管道命令式的API独具特色，内部实现了各种成熟的ML算法，

0.0000

0

5

0

关注作者

收藏

阿抽哥哥

准确率与召回率是啥？

对于分类任务，可将样例根据真实类别与学习器预测类别的组合划分为，真正例（True Positive）：将正类预测为正类、假正例（False Positive）：将正类预测为反类、真反例（True Negative）：将反类预测为反类、假反例（False Negative）：将反类预测为正类四种情况，见下表：我们常常使用精确度（accuracy）来度量分类精度，精确度是分类正确的样本数占样本

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

KNN算法伪代码步骤

对未知类别属性的数据集中的每个点依次执行以下操作：(1) 计算已知类别数据集中的点与当前点之间的距离；(2) 按照距离递增次序排序；(3) 选取与当前点距离最小的k个点；(4) 确定前k个点所在类别的出现频率；(5) 返回前k个点出现频率最高的类别作为当前点的预测分类

0.2830

1

1

0

关注作者

收藏

啊啊啊啊啊吖

k-近邻算法的一般流程

(1) 收集数据：可以使用任何方法。(2) 准备数据：距离计算所需要的数值，最好是结构化的数据格式。(3) 分析数据：可以使用任何方法。(4) 训练算法：此步骤不适用于k-近邻算法。(5) 测试算法：计算错误率。(6) 使用算法：首先需要输入样本数据和结构化的输出结果，然后运行k-近邻算法判定输入数据分别属于哪个分类，最后应用对计算出的分类执行后续的处理。

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

K-邻近算法简说和其优点

k-近邻算法采用测量不同特征值之间的距离方法进行分类。它的工作原理是：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。一般来说，我们只选择样本数据集中前k个最相似的数据，这就是k-近邻算

0.0000

0

1

0

关注作者

收藏

詹惠儿

简单理解机器学习

机器学习概述机器学习（ML）是一种算法类别，它允许软件应用程序在未经明确编程的情况下更准确地预测结果。机器学习的基本前提是构建可以接收输入数据的算法，并使用统计分析预测输出，同时在新数据可用时更新输出。机器学习中涉及的过程类似于数据挖掘和预测建模。两者都需要搜索数据以查找模式并相应地调整程序操作。许多人都熟悉通过互联网购物和提供与购买相关的广告的机器学习。这是

269.7471

1

1

0

关注作者

收藏

啊啊啊啊啊吖

NumPy矩阵与数组的区别

NumPy函数库中存在两种不同的数据类型（矩阵matrix和数组array），都可以用于处理行列表示的数字元素。虽然它们看起来很相似，但是在这两个数据类型上执行相同的数学运算可能得到不同的结果，其中NumPy函数库中的matrix与MATLAB中matrices等价。

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

开发机器学习应用程序的步骤

开发机器学习应用程序通常遵循以下的步骤。(1) 收集数据。我们可以使用很多方法收集样本数据，如：制作网络爬虫从网站上抽取数据、从RSS反馈或者API中得到信息、设备发送过来的实测数据（风速、血糖等）。提取数据的方法非常多，为了节省时间与精力，可以使用公开可用的数据源。(2) 准备输入数据。得到数据之后，还必须确保数据格式符合要求，本书采用的格式是Python语言的List。使用这种标准

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

自己怎么选择合适的算法

必须考虑下面两个问题：一、使用机器学习算法的目的，想要算法完成何种任务，比如是预测明天下雨的概率还是对投票者按照兴趣分组；二、需要分析或收集的数据是什么。首先考虑使用机器学习算法的目的。如果想要预测目标变量的值，则可以选择监督学习算法，否则可以选择无监督学习算法。确定选择监督学习算法之后，需要进一步确定目标变量类型，如果目标变量是离散型，如是/否、 1/2/3、 A/B/C或者红/黄/

0.0000

0

3

0

关注作者

收藏

阿抽哥哥

误差与拟合是什么？

在了解误差前先来了解下什么是错误率。通常我们把分类错误的样本数占总样本数的比例称为“错误率”，把学习器的实际预测输出与样本的真实输出之间的差异称为“误差”。其中学习器在训练集数据上的误差称为“训练误差”，在新样本上的误差称为“泛化误差”，而使误差变小就是在降低分类错误率。我们希望训练出来的学习器能在新样本表现得很好，泛化误差小，即学习器对新样本的拟合效果好。而新样本是什么事先是不知道的，所以能做

46.4498

1

1

0

关注作者

收藏

啊啊啊啊啊吖

用于执行分类、回归、聚类和密度估计的算法

监督学习的用途：k-近邻算法线性回归朴素贝叶斯算法局部加权线性回归支持向量机Ridge回归决策树lasso最小回归无监督学习的用途K-均值最大期望算法DBSCANparzen窗设计

0.0000

0

2

0

关注作者

收藏

wangjuju123

算法选择参考

之前翻译过一些国外的文章，有一篇文章中给出了一个简单的算法选择技巧：首当其冲应该选择的就是逻辑回归，如果它的效果不怎么样，那么可以将它的结果作为基准来参考，在基础上与其他算法进行比较；然后试试决策树（随机森林）看看是否可以大幅度提升你的模型性能。即便最后你并没有把它当做为最终模型，你也可以使用随机森林来移除噪声变量，做特征选择；如果特征的数量和观测样本特别多，那么当资源和时间充足时（这个

0.0000

0

1

0

关注作者

收藏

wangjuju123

Adaboost是一种加和模型，每个模型都是基于上一次模型的错误率来建立的，过分关注分错的样本，而对正确分类的样本减少关注度，逐次迭代之后，可以得到一个相对较好的模型。是一种典型的boosting算法。下面是总结下它的优缺点。优点adaboost是一种有很高精度的分类器。可以使用各种方法构建子分类器，Adaboost算法提供的是框架。当使用简单分类器时，计算出的结果是可以理解的，并且弱

0.0000

0

2

0

关注作者

收藏

wangjuju123

这是一个近年来出现在各大比赛的大杀器，夺冠选手很大部分都使用了它。高准确率高效率高并发，支持自定义损失函数，既可以用来分类又可以用来回归可以像随机森林一样输出特征重要性，因为速度快，适合作为高维特征选择的一大利器在目标函数中加入正则项，控制了模型的复杂程度，可以避免过拟合支持列抽样，也就是随机选择特征，增强了模型的稳定性对缺失值不敏感，可以学习到包含缺失值的特征的分裂方向另外一个广受欢

46.4498

1

3

0

关注作者

收藏

wangjuju123

关于K-Means聚类的文章，链接：机器学习算法-K-means聚类。关于K-Means的推导，里面有着很强大的EM思想。优点算法简单，容易实现；对处理大数据集，该算法是相对可伸缩的和高效率的，因为它的复杂度大约是O(nkt)，其中n是所有对象的数目，k是簇的数目,t是迭代的次数。通常k

0.0000

0

0

0

关注作者

收藏

wangjuju123

人工神经网络的优缺点

人工神经网络的优点：分类的准确度高；并行分布处理能力强,分布存储及学习能力强，对噪声神经有较强的鲁棒性和容错能力，能充分逼近复杂的非线性关系；具备联想记忆的功能。人工神经网络的缺点：神经网络需要大量的参数，如网络拓扑结构、权值和阈值的初始值；不能观察之间的学习过程，输出结果难以解释，会影响到结果的可信度和可接受程度；学习时间过长,甚至可能达不到学习的目的。

0.0000

0

2

0

关注作者

收藏

<1…636465…69>

CDA考试动态

CDA报考指南