文章列表
table { font-size: 10pt;}
分类算法学习总结
-
决策树
因为最近在工作上的需要，对基于机器学习的分类算法比较感兴趣
对事物进行分类是比较常见的一种应用，包括对邮件，文本进行分类，对会员，行为，安全性等方面做处分类。
目前了解的情况：贝叶斯，决策树，神经网络，
SVM
是比较流行的几种分类算法，
比如文本分类中经常用到
贝叶斯算法。
这篇文章主要介绍一下决策树
下面是一个很多书上经常给出的，根据各种天气情况，判断是否适合运动的决策树
以一个旅游网站为例，当用户登录的时候，可以自动给用户推荐一些可能喜欢的景点，这种应用在一些卖东西网站，比如Amazon也会见到
首先认为网站是具有评论系统的，用户可以对自己去过的景点进行打分，分数在(1-5)之间，分越高表示这个用户对这个景点的喜欢程度越高。
假设总共有7个景点被用户评论过，而发表过评论的用户有刘, 王, 唐,张,徐,吴6个用户，那么我们系统中就保存了如下的数据：
每一行代表一个景点，而用户名后面的分数，表示了这个用户对这个景点的评分。
spot_data = {
'杭州':{'刘':5.0,'王':3.0, '唐':4.5, '张':2.0, '徐' ...
- 2009-10-31 07:31
- 浏览 955
- 评论(0)