前言 本系列教程基本就是摘抄《Python机器学习基础教程》中的例子内容。 为了便于跟踪和学习，本系列教程在Github上提供了jupyter notebook 版本： Github仓库：https://github.com/Holy-Shine ...

决策树模型练习：https://www.kaggle.com/c/GiveMeSomeCredit/overview 1. 监督学习--分类 机器学习肿分类和预测算法的评估： 　　a. 准确率 　　b.速度 　　c. 强壮行 　　d.可规模性 　　e. 可解释 ...

1. 分类与回归 　　分类:就是根据给定的标签,把新的数据划分到这些标签中的一个 　　回归:就是根据事物一些属性,来判断这个事物的另一个属性在哪个区间范围 　　　　比如:根据一个人的受教育程度, ...

1. 介绍 决策树是一种依托决策而建立起来的一种树。在机器学习中，决策树是一种预测模型，代表的是一种对象属性与对象值之间的一种映射关系，每一个节点代表某个对象/分类，树中的每一个分叉路径代表某个可能的属性值，而每一个叶子节点则对应从根节点到该叶子节点所经历的路径所表示的对象 ...

介绍 决策树分为分类决策树和回归决策树： 上一篇介绍了分类决策树以及Python实现分类决策树： 监督学习——决策树理论与实践（上）：分类决策树 决策树是一种依托决策而建立起来的一种树。在机器学习中，决策树是一种预测模型，代表的是一种对象属性与对象值之间的一种映射 ...

监督学习 0.线性回归（加L1、L2正则化） from __future__ import print_function from pyspark.ml.regression import ...

前面对半监督学习部分作了简单的介绍，这里开始了解有关无监督学习的部分，无监督学习内容稍微较多，本节主要介绍无监督学习中的PCA降维的基本原理和实现。 PCA 0.无监督学习简介 相较于有监督学习和半监督学习，无监督学习就是从没有标签的数据中进行知识发现的过程。 更具体地说，无监督学习 ...

一：降维之数据压缩 将讨论第二种无监督学习的问题：降维。数据压缩不仅能让我们对数据进行压缩，使得数据占用较少的内存和硬盘空间，还能对学习算法进行加速。 （一）降维是什么（二维降至一维） 假使我们要采用两种不同的仪器来测量一些东西的尺寸，其中一个仪器测量结果的单位是英寸，另一个仪器测量的结果是 ...