舉個在 nlp 的應用：給一段文字，返回情感分類，這段文字的態度是positive，還是negative：
圖6-1 問題案例
為了解決這個問題，可以只看其中的一些單詞：
這段文字，將僅由一些單詞和它們的計數代表：
原始問題是：給你一句話，它屬於哪一類 ？通過bayes rules變成乙個比較簡單容易求得的問題：
問題變成，這一類中這句話出現的概率是多少，當然，別忘了公式裡的另外兩個概率。例子：單詞「love」在positive的情況下出現的概率是 0.1，在negative的情況下出現的概率是0.001。
圖6-2 nb演算法結果展示圖
給乙個新的資料時，離它最近的 k 個點中，哪個類別多，這個資料就屬於哪一類。
例子：要區分「貓」和「狗」，通過「claws」和「sound」兩個feature來判斷的話，圓形和三角形是已知分類的了，那麼這個「star」代表的是哪一類呢？
圖7-1 問題案例
k＝3時，這三條線鏈結的點就是最近的三個點，那麼圓形多一些，所以這個star就是屬於貓。
機器學習經典演算法
函式名稱均為sklearn庫中的函式 1.線性回歸演算法 linearregression 其中常用的有 ridge 嶺回歸演算法，multitasklasso 多工lasso回歸演算法，elasticnet 彈性網眼演算法，lassolars lars套索演算法，orthogonalmatchin...
機器學習經典演算法筆記 KNN
這裡面涉及到一些演算法實現的包，比如得到的每個點，求距離後怎麼處理的問題。前面求歐氏距離就不贅述了，這裡主要是補充一點求出結果後怎麼處理的問題 nearest np.argsort distances 這裡對每個距離進行排列，得出index 假設k 6的話 topx y train i for i ...
機器學習經典演算法筆記 梯度下降演算法
本文推薦乙個更好的版本理解 梯度下降，下面的 選自本文 這大概是我見過最好理解的乙個版本 梯度下降的場景假設 梯度梯度下降演算法的數學解釋 梯度下降演算法的例項 梯度下降演算法的實現 further reading 代價函式 j 12 m x y t x y j theta frac x theta...