阿白的機器學習實戰筆記1

python零基礎，啥都不懂的小白，一句句翻譯中。。。

//準備訓練資料集

//包含資料的座標位置，與資料的標籤

def reactedataset():

group = array
lables = ['a','a','b','b']
return group,lables
def classfy0(inx, dataset,lables,k):
datasetsize = dataset.shape[0]//獲取資料集的行數
diffmat = tile(int,(datasetsize,1))-dataset; //將待測資料在行方向擴充套件datasize次，再減去原來的矩陣，得到差矩陣；
sqdiffmat = diffmat**2
sqdistance = sqdiffmat.sum(axis=1)//矩陣的每一行向量相加 即是把每一行的所有資料相加 axis=0按列相加 即是把該列所有資料相加
distance =sqdistance**0.5
sortdistindicies = distance.argsort()//將distance中的元素從小到大排列，提取其對應的index(索引)，然後輸出到sortdisdindiccies，它也是個陣列
classcount={}
for i in range(k)
voteilabel = lables[sortdistindicies[i]] 
classcount[voteilabel] = classcount.get(voteilabel，0) +1

get(key,default=none)造字典

//依次查詢是否有該key，有則將取出value再+1，沒有則返回新增該key並置value為0，再+1

sortedclasscount是乙個listkey = operator.itemgetter(1),reverse = true)return sortedclasscount[0][0]

機器學習實戰筆記 1 機器學習基礎

監督學習的兩個任務 分類和回歸分析 數值型資料 分類方法思路 這個表至關重要，叫做特徵向量表 特徵1特徵2 目的變數 類別 例項1 例項2 如上表，分類思路如下 用大量的已分類資料 其目標變數的值已給出 組成的訓練集進行訓練，該訓練集由若干個訓練樣本構成，每個訓練樣本是乙個例項 測試樣本 不提供目標...

機器學習實戰學習筆記 1 基礎

1，什麼是機器學習 機器學習，簡單說就是要把無序的資料，轉化為人們可以識別的有用的資料。2，機器學習需要哪些基礎知識 機器學習橫跨很多學科領域，包括但不限於 計算機，數理統計，工程技術等。3，什麼時候可以用機器學習 一般我們寫 解決問題，結果或者計算過程具有確定性。比如計算完全數，水仙花數，或者保險...

機器學習實戰（1）

from numpy import import operator def createdataset object group array 1.0,1.0 1.0,1.1 0,0 0,0.1 labels a a b b return group,labels def classify0 inx,...