機器學(xué)習(xí)
Gssol
20170620 星期二
1 機器學(xué)習(xí)概念
機器學(xué)習(xí)，通常的機器指的是“計算機”，機器學(xué)習(xí)就是讓計算機自己學(xué)習(xí)。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(xué)習(xí)主要是分析數(shù)據(jù)，產(chǎn)生模型，進而進行預(yù)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(xué)習(xí)，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(yù)測?？梢岳脹Q策樹來處理等人問題。當(dāng)然天氣、堵車情況也會對結(jié)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(xué)習(xí)與無監(jiān)督學(xué)習(xí)
監(jiān)督學(xué)習(xí)：必須知道預(yù)測什么，即目標(biāo)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(yù)測數(shù)據(jù)。
無監(jiān)督學(xué)習(xí)：數(shù)據(jù)沒有類別信息，也不會給定目標(biāo)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(shè)定
Cons：計算復(fù)雜度高、空間復(fù)雜度高
Works with:數(shù)值型和標(biāo)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
