更新了部分文档
parent
180cf99704
commit
bf24146944
|
@ -938,7 +938,7 @@
|
||||||
例子:可插拔的哈希算法(策略模式)。
|
例子:可插拔的哈希算法(策略模式)。
|
||||||
|
|
||||||
```Python
|
```Python
|
||||||
class StreamHasher():
|
class StreamHasher:
|
||||||
"""哈希摘要生成器"""
|
"""哈希摘要生成器"""
|
||||||
|
|
||||||
def __init__(self, alg='md5', size=4096):
|
def __init__(self, alg='md5', size=4096):
|
||||||
|
|
|
@ -757,7 +757,7 @@ array([ True, True, True, True, True, False, False, False, False])
|
||||||
代码:
|
代码:
|
||||||
|
|
||||||
```Python
|
```Python
|
||||||
array19[array20 > 5]
|
array19[array19 > 5]
|
||||||
```
|
```
|
||||||
|
|
||||||
输出:
|
输出:
|
||||||
|
@ -781,7 +781,7 @@ array([False, True, False, True, False, True, False, True, False])
|
||||||
代码:
|
代码:
|
||||||
|
|
||||||
```Python
|
```Python
|
||||||
array19[array20 % 2 == 0]
|
array19[array19 % 2 == 0]
|
||||||
```
|
```
|
||||||
|
|
||||||
输出:
|
输出:
|
||||||
|
|
|
@ -1,6 +1,6 @@
|
||||||
## 人工智能和机器学习概述
|
## 人工智能和机器学习概述
|
||||||
|
|
||||||
所谓“人工智能”通常是泛指让机器具有像人一样的智慧的技术,其目的是让机器像人一样能够感知、思考和解决问题;而“机器学习”通常是指让计算机通过学习现有的数据,实现认知的更新和进步。显然,机器学习是实现人工智能的一种途径,这也是我们的课程要讨论的内容。现如今,“机器学习”和“大数据”可以说是最时髦的两个词汇,而在弱人工智能阶段,无论是“机器学习”还是“大数据”最终要解决的问题本质上是一样的,就是让计算机将纷繁复杂的数据处理成有用的信息,这样就可以发掘出数据带来的意义以及隐藏在数据背后的规律,简单的说就是用现有的数据对将来的状况做出预测和判断。
|
所谓“人工智能”通常是泛指让机器具有像人一样的智慧的技术,其目的是让机器像人一样能够感知、思考和解决问题;而“机器学习”通常是指让计算机通过学习现有的数据,实现认知的更新和进步。显然,机器学习是实现人工智能的一种途径,这也是我们的课程要讨论的内容。现如今,“人工智能”和“大数据”可以说是最时髦的两个词汇,而目前我们所处的弱人工智能阶段,无论是“机器学习”还是“大数据”最终要解决的问题本质上是一样的,就是让计算机将纷繁复杂的数据处理成有用的信息,这样就可以发掘数据中潜在的价值以及隐藏在数据背后的规律,简单的说就是用现有的数据对将来的状况做出预测和判断。
|
||||||
|
|
||||||
在讨论机器学习相关内容之前,我们先按照问题的“输入”和“输出”对用计算机求解的问题进行一个分类,如下所示:
|
在讨论机器学习相关内容之前,我们先按照问题的“输入”和“输出”对用计算机求解的问题进行一个分类,如下所示:
|
||||||
|
|
||||||
|
|
|
@ -2,19 +2,49 @@
|
||||||
|
|
||||||
$k$最近邻(简称kNN,k-Nearest Neighbor)是Cover和Hart在1968年提出的一种简单的监督学习算法,可用于字符识别、文本分类、图像识别等领域。kNN的工作机制非常简单:给定测试样本,基于某种距离度量(如:欧式距离、曼哈顿距离等)找出训练集中与其最接近的$k$个训练样本,然后基于这$k$个“最近邻居”的信息来进行预测。对于分类任务,可以在$k$个最近邻居中选择出现次数最多的类别标签作为预测的结果;对于回归任务,可以使用$k$个最近邻居实际输出(目标值)的平均值作为预测的结果,当然也可以根据距离的远近进行加权平均,距离越近的样本权重值就越大。
|
$k$最近邻(简称kNN,k-Nearest Neighbor)是Cover和Hart在1968年提出的一种简单的监督学习算法,可用于字符识别、文本分类、图像识别等领域。kNN的工作机制非常简单:给定测试样本,基于某种距离度量(如:欧式距离、曼哈顿距离等)找出训练集中与其最接近的$k$个训练样本,然后基于这$k$个“最近邻居”的信息来进行预测。对于分类任务,可以在$k$个最近邻居中选择出现次数最多的类别标签作为预测的结果;对于回归任务,可以使用$k$个最近邻居实际输出(目标值)的平均值作为预测的结果,当然也可以根据距离的远近进行加权平均,距离越近的样本权重值就越大。
|
||||||
|
|
||||||
### 案例:电影分类预测
|
### 距离的度量
|
||||||
|
|
||||||
|
1. 欧氏距离
|
||||||
|
|
||||||
|
$$
|
||||||
|
d = \sqrt{\sum_{k=1}^n(x_{1k}-x_{2k})^2}
|
||||||
|
$$
|
||||||
|
|
||||||
|
2. 曼哈顿距离
|
||||||
|
|
||||||
|
$$
|
||||||
|
d = \sum_{k=1}^n \mid {x_{1k}-x_{2k}} \mid
|
||||||
|
$$
|
||||||
|
|
||||||
|
3. 切比雪夫距离
|
||||||
|
|
||||||
|
$$
|
||||||
|
d = max(\mid x_{1k}-x_{2k} \mid)
|
||||||
|
$$
|
||||||
|
|
||||||
|
4. 闵可夫斯基距离
|
||||||
|
- 当$p=1$时,就是曼哈顿距离
|
||||||
|
- 当$p=2$时,就是欧式距离
|
||||||
|
- 当$p \to \infty$时,就是切比雪夫距离
|
||||||
|
|
||||||
|
$$
|
||||||
|
d = \sqrt[p]{\sum_{k=1}^n \mid x_{1k}-x_{2k} \mid ^p}
|
||||||
|
$$
|
||||||
|
|
||||||
|
5. 余弦距离
|
||||||
|
$$
|
||||||
|
cos(\theta) = \frac{\sum_{k=1}^n x_{1k}x_{2k}}{\sqrt{\sum_{k=1}^n x_{1k}^2} \sqrt{\sum_{k=1}^n x_{2k}^2}}
|
||||||
|
$$
|
||||||
|
|
||||||
|
### 鸢尾花数据集介绍
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
### k值的选择和交叉检验
|
### kNN算法实现
|
||||||
|
|
||||||
k值的选择对于kNN算法的结果有非常显著的影响。下面用李航博士的《统计学习方法》一书中的叙述,来对k值的选择加以说明。
|
|
||||||
|
|
||||||
如果选择较小的$k$值,就相当于用较小的邻域中的训练实例进行预测,“学习”的近似误差会减小,只有与输入实例较近(相似的)训练实例才会对预测结果起作用;但缺点是“学习”的估计误差会增大,预测结果会对近邻的实例点非常敏感,如果近邻的实例点刚好是噪声,预测就会出错。换句话说,$k$值的减小就意味着整体模型变得复杂,容易发生**过拟合**。
|
|
||||||
|
|
||||||
如果选择较大的$k$值,就相当于用较大的邻域中的训练实例进行预测,其优点是可以减少学习的估计误差,但缺点是学习的近似误差会增大。这时候,与输入实例较远(不相似的)训练实例也会对预测起作用,使预测发生错误。对于$k=N$的极端情况(其中$N$代表所有的训练实例的数量),那么无论输入实例是什么,都会预测它属于训练实例中最多的类,很显然,这样的模型完全忽略了训练实例中大量的有用信息,是不可取的。
|
###使用Scikit-learn实现kNN
|
||||||
|
|
||||||
实际应用中,$k$的取值通常都比较小,可以通过交叉检验的方式来选择较好的$k$值。
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
@ -32,4 +62,15 @@ k值的选择对于kNN算法的结果有非常显著的影响。下面用李航
|
||||||
1. 惰性学习
|
1. 惰性学习
|
||||||
2. 输出的可解释性不强
|
2. 输出的可解释性不强
|
||||||
3. 不擅长处理不均衡样本
|
3. 不擅长处理不均衡样本
|
||||||
4. 计算量比较大
|
4. 计算量比较大
|
||||||
|
|
||||||
|
|
||||||
|
### k值的选择和交叉检验
|
||||||
|
|
||||||
|
k值的选择对于kNN算法的结果有非常显著的影响。下面用李航博士的《统计学习方法》一书中的叙述,来对k值的选择加以说明。
|
||||||
|
|
||||||
|
如果选择较小的$k$值,就相当于用较小的邻域中的训练实例进行预测,“学习”的近似误差会减小,只有与输入实例较近(相似的)训练实例才会对预测结果起作用;但缺点是“学习”的估计误差会增大,预测结果会对近邻的实例点非常敏感,如果近邻的实例点刚好是噪声,预测就会出错。换句话说,$k$值的减小就意味着整体模型变得复杂,容易发生**过拟合**。
|
||||||
|
|
||||||
|
如果选择较大的$k$值,就相当于用较大的邻域中的训练实例进行预测,其优点是可以减少学习的估计误差,但缺点是学习的近似误差会增大。这时候,与输入实例较远(不相似的)训练实例也会对预测起作用,使预测发生错误。对于$k=N$的极端情况(其中$N$代表所有的训练实例的数量),那么无论输入实例是什么,都会预测它属于训练实例中最多的类,很显然,这样的模型完全忽略了训练实例中大量的有用信息,是不可取的。
|
||||||
|
|
||||||
|
实际应用中,$k$的取值通常都比较小,可以通过交叉检验的方式来选择较好的$k$值。
|
|
@ -1,2 +1,2 @@
|
||||||
## 决策树
|
## 决策树和随机森林
|
||||||
|
|
||||||
|
|
|
@ -1,2 +0,0 @@
|
||||||
## 推荐系统实战(1)
|
|
||||||
|
|
|
@ -1,2 +0,0 @@
|
||||||
## 贝叶斯分类
|
|
||||||
|
|
|
@ -0,0 +1,2 @@
|
||||||
|
## 朴素贝叶斯算法
|
||||||
|
|
|
@ -1,2 +1,2 @@
|
||||||
## PyTorch入门
|
## PyTorch概述
|
||||||
|
|
||||||
|
|
Loading…
Reference in New Issue