機器學習
Gssol
20170620 星期二
1 機器學習概念
機器學習,通常的機器指的是“計算機”,機器學習就是讓計算機自己學習。最主要的思想是“統(tǒng)計”和“分類”。
通常的是給計算機一些指令,然后計算機進行處理;而機器學習主要是分析數(shù)據(jù),產(chǎn)生模型,進而進行預測。
“等人事件”: 例如和某人有約,但不知道對方到達時間我們可以根據(jù)對方平時的到達情況來判斷自己什么出門等待的時間最少。我們是根據(jù)之前的情況來進行分析,利用機器學習,讓計算機自己統(tǒng)計之前的數(shù)據(jù)進行分析,從而對本次情況進行預測??梢岳脹Q策樹來處理等人問題。當然天氣、堵車情況也會對結果造成影響,暫不考慮。
“分類事件”:對垃圾郵件進行分類,找出某種鳥(對鳥類進行分類)
2 監(jiān)督學習與無監(jiān)督學習
監(jiān)督學習:必須知道預測什么,即目標變量的分類信息。需要將實例數(shù)據(jù)劃分到合適的分類中,然后進行回歸,產(chǎn)生曲線,進而預測數(shù)據(jù)。
無監(jiān)督學習:數(shù)據(jù)沒有類別信息,也不會給定目標值。將數(shù)據(jù)集合分成由類似的對象組成的多個類的過程稱為聚類,將尋找描述數(shù)據(jù)統(tǒng)計值的過程稱為密度估計,還可以減少數(shù)據(jù)特征的維度,更加直觀地顯示數(shù)據(jù)信息。
3 k-近鄰算法
k-近鄰算法
Pros:精度高、對異常值不敏感、無數(shù)據(jù)輸入設定
Cons:計算復雜度高、空間復雜度高
Works with:數(shù)值型和標稱型
3.1 電影題材分類問題
判斷一部未知電影是愛情片還是戰(zhàn)爭片,我們可以統(tǒng)計接吻次數(shù)和打斗次數(shù)來進行判斷。
下面是六部電影的統(tǒng)計情況,?位需要判斷的電影。
可以通過計算未知電影與已知的六部電影之間的距離,然后找出距離最小的前k位(通常k<20),再進行判斷。
用python寫的代碼如下:
from numpy import *import operatordef createDataSet(): group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels = ['A','A','B','B'] return group,labels# 用于分類的輸入向量inX# 輸入的訓練樣本集dataSet# 標簽向量位 labels# k表示用于選擇最近鄰居的數(shù)目def classify0(inX, dataSet, labels, k): dataSetSize = dataSet.shape[0] #計算距離 diffMat =tile(inX, (dataSetSize,1)) - dataSet #差 sqDiffMat = diffMat**2 #平方 sqDistances = sqDiffMat.sum(axis=1) #和 distances = sqDistances**0.5 #開方 #選擇距離最小的k個點 sortedDistIndicies = distances.argsort() classCount={} for i in range(k): voteIlabel = labels[sortedDistIndicies[i]] classCount[voteIlabel] = classCount.get(voteIlabel,0)+1 sortedClassCount = sorted(classCount.items(), key = operator.itemgetter(1),reverse = True) return sortedClassCount[0][0]
計算具體公式:
cd是進入到存放目錄
3.2 改進約會網(wǎng)站的配對效果
from numpy import *import operatordef createDataSet(): group = array([[1.0, 1.1], [1.0, 1.0], [0, 0], [0, 0.1]]) labels = ['A', 'A', 'B', 'B'] return group, labelsdef classify0(inX, dataSet, labels, k): dataSetSize = dataSet.shape[0] diffMat = tile(inX, (dataSetSize, 1)) - dataSet sqDiffMat = diffMat ** 2 sqDistances = sqDiffMat.sum(axis=1) distances = sqDistances ** 0.5 sortedDistIndicies = distances.argsort() classCount = {} for i in range(k): voteIlabel = labels[sortedDistIndicies[i]] classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1 sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True) return sortedClassCount[0][0]def file2matrix(filename): #得到文件行數(shù) fr = open(filename) arrayOLine = fr.readlines() numberOfLines = len(arrayOLine) #創(chuàng)建返回的Numpy矩陣 returnMat = zeros((numberOfLines, 3)) classLabelVector = [] index = 0 #解析文件數(shù)據(jù)列表 for line in arrayOLine: line = line.strip() listFromLine = line.split('\t') returnMat[index, :] = listFromLine[0: 3] classLabelVector.append(int(listFromLine[-1])) index += 1 return returnMat, classLabelVector
在終端上的命令行代碼:
Last login: Tue Jun 20 09:48:10 on consolebogon:~ shasha$ cd PycharmProjects/testbogon:test shasha$ python Python 2.7.10 (default, Oct 23 2015, 19:19:21) [GCC 4.2.1 Compatible Apple LLVM 7.0.0 (clang-700.0.59.5)] on darwin Type "help", "copyright", "credits" or "license" for more information.>>> import kNN>>> group,labels=kNN.createDataSet()>>> group array([[ 1. , 1.1], [ 1. , 1. ], [ 0. , 0. ], [ 0. , 0.1]])>>> labels ['A', 'A', 'B', 'B']>>> kNN.classify0([0,0],group,labels,3)'B'>>> import kNN>>> reload(kNN) <module 'kNN' from 'kNN.pyc'>>>> datingDataMat,datingLabels=kNN.file2matrix('datingTestSet2.txt')>>> datingDataMat array([[ 4.09200000e+04, 8.32697600e+00, 9.53952000e-01], [ 1.44880000e+04, 7.15346900e+00, 1.67390400e+00], [ 2.60520000e+04, 1.44187100e+00, 8.05124000e-01], ..., [ 2.65750000e+04, 1.06501020e+01, 8.66627000e-01], [ 4.81110000e+04, 9.13452800e+00, 7.28045000e-01], [ 4.37570000e+04, 7.88260100e+00, 1.33244600e+00]])>>> import matplotlib>>> import kNN>>> datingDataMat,DatingLabels = kNN.file2matrix('datingTestSet2.txt')>>> import matplotlib>>> import matplotlib.pyplot as plt>>> fig=plt.figure()>>> ax=fig.add_subplot(111)>>> ax.scatter(datingDataMat[:,1],datingDataMat[:,2]) <matplotlib.collections.PathCollection object at 0x10ef7de90>>>> plt.show()
約會網(wǎng)站的數(shù)據(jù):
(存放數(shù)據(jù)時放在和kNN同一個目錄下面)
anytime you feel the pain.hey,refrain.don't carry the world upon your shoulders
分類: 機器學習
標簽: 機器學習, k近鄰算法, 約會問題優(yōu)化
http://www.cnblogs.com/gaoss/p/7054222.html