-
7 – 手写数字识别 KNN
1. 案例介绍 MNIST手写数字识别 是计算机视觉领域中 "hello world"级别的数据集 1999年发布，成为分类算法基准测试的基础 随着新的机器学习技术的出现，MNIST仍然是研究人员和学习者的可靠资源。 本次案例中，我们的目标是从数万个手写图像的数据集中正确识别数字。 2. 数据介绍 数据文件 train.csv 和 test.csv 包含从 0 到 9 的手绘数…- 33
- 0
-
6 – K 值选择问题
1. K取不同值时带来的影响 举例： 有两类不同的样本数据，分别用蓝颜色的小正方形和红色的小三角形表示，而图正中间有一个绿色的待判样本。 问题：如何给这个绿色的圆分类？是判断为蓝色的小正方形还是红色的小三角形？ 方法：应用KNN找绿色的邻居，但一次性看多少个邻居呢（K取几合适）？ 解决方案： K=4，绿色圆圈最近的4个邻居，3红色和1个蓝，按少数服从多数，判定绿色样本与红色三角形属于同一类别 K=…- 12
- 0
-
5 – 分类模型评估方法
1.数据集划分 1.1 为什么要划分数据集? 思考：我们有以下场景： 将所有的数据都作为训练数据，训练出一个模型直接上线预测 每当得到一个新的数据，则计算新数据到训练数据的距离，预测得到新数据的类别 存在问题： 上线之前，如何评估模型的好坏？ 模型使用所有数据训练，使用哪些数据来进行模型评估？ 结论：不能将所有数据集全部用于训练 为了能够评估模型的泛化能力，可以通过实验测试对学习器的泛化能力进行评…- 12
- 0
-
4 – K 近邻算法 API
1. Sklearn API介绍 本小节使用 scikit-learn 的 KNN API 来完成对鸢尾花数据集的预测. API介绍 2. 鸢尾花分类示例代码 鸢尾花数据集 鸢尾花Iris Dataset数据集是机器学习领域经典数据集，鸢尾花数据集包含了150条鸢尾花信息，每50条取自三个鸢尾花中之一：Versicolour、Setosa和Virginica 每个花的特征用如下属性描述： 示例代码…- 13
- 0
-
3 – 归一化和标准化
1. 为什么做归一化和标准化 样本中有多个特征，每一个特征都有自己的定义域和取值范围，他们对距离计算也是不同的，如取值较大的影响力会盖过取值较小的参数。因此，为了公平，样本参数必须做一些归一化处理，将不同的特征都缩放到相同的区间或者分布内。 2. 归一化 通过对原始数据进行变换，把数据映射到(默认为[0,1])之间。 scikit-learn 中实现归一化的 API: from sklearn.p…- 14
- 0
-
2 – 距离度量方法
1. 机器学习中为什么要度量距离？ 机器学习算法中，经常需要 判断两个样本之间是否相似 ，比如KNN，K-means，推荐算法中的协同过滤等等，常用的套路是 将相似的判断转换成距离的计算 ，距离近的样本相似程度高，距离远的相似程度低。所以度量距离是很多算法中的关键步骤。 KNN算法中要求数据的所有特征都用数值表示。若在数据特征中存在非数值类型，必须采用手段将…- 12
- 0
-
1 – K 近邻算法原理
1. 为什么学习KNN算法 KNN是监督学习分类算法，主要解决现实生活中分类问题。 根据目标的不同将监督学习任务分为了分类学习及回归预测问题。 监督学习任务的基本流程和架构： 首先准备数据，可以是视频、音频、文本、图片等等 抽取所需要的一些列特征，形成特征向量（Feature Vectors） 将这些特征向量连同标记（Label）一并送入机器学习算法中，训练出一个预测模型（Predictive M…- 13
- 0