数据挖掘入门系列教程（二点五）之K-近邻算法和距离度量介绍 简介 距离度量 欧式距离 曼哈顿距离 余弦距离 ...

　　　　在K近邻法(KNN)原理小结这篇文章，我们讨论了KNN的原理和优缺点，这里我们就从实践出发，对scikit-learn 中KNN相关的类库使用做一个小结。主要关注于类库调参时的一个经验总结。 1. scikit-learn 中KNN相关的类库概述 　　　　在scikit-learn 中 ...

1. Dataset 　　scikit-learn提供了一些标准数据集（datasets），比如用于分类学习的iris 和 digits 数据集，还有用于归约的boston house prices 数据集。 其使用方式非常简单如下所示 ...

简介 这一次我们来讲一下比较轻松简单的数据挖掘的算法——K-Means算法。K-Means算法是一种无监督的聚类算法。什么叫无监督呢？就是对于训练集的数据，在训练的过程中，并没有告诉训练算法某一个数据属于哪一个类别。对于K-Means算法来说，他就是通过某一些骚操作，将一堆“相似”的数据聚集 ...

主要内容： 1、十折交叉验证 2、混淆矩阵 3、K近邻 4、python实现 一、十折交叉验证 前面提到了数据集分为训练集和测试集，训练集用来训练模型，而测试集用来测试模型的好坏，那么单一的测试是否就能很好的衡量一个模型的性能呢？ 答案自然是否定的，单一的测试集具有偶然性 ...

数据挖掘入门系列教程（五）之Apriori算法Python实现 加载数据集 获得训练集 频繁项的生成 生成规则 获得support 获得confidence 获得Lift 进行验证 ...

目录 数据挖掘入门系列教程（四点五）之Apriori算法 频繁（项集）数据的评判标准 支持度（support）: 置信度（confidence）： 提升度（Lift）： Apriori 算法 ...

数据挖掘入门系列教程（四）之基于scikit-lean决策树处理Iris 加载数据集 数据特征 训练 随机森林 调参工程师 结尾 ...