logo资料库

05、决策树与随机森林。案例:运营商用户分析,构建象棋博弈引擎.pdf

第1页 / 共40页
第2页 / 共40页
第3页 / 共40页
第4页 / 共40页
第5页 / 共40页
第6页 / 共40页
第7页 / 共40页
第8页 / 共40页
资料共40页,剩余部分请下载后查看
机器学习 第5周 机器学习 讲师 黄志洪 DATAGURU与业数据分析社区
法律声明 【声明】本视频和幻灯片为炼数成金网络课程的教 学资料,所有资料只能在课程内使用,丌得在课 程以外范围散播,违者将可能被追究法律和经济 责仸。 课程详情访问炼数成金培训网站 http://edu.dataguru.cn 机器学习 讲师 黄志洪 DATAGURU与业数据分析社区
分类:分类的意义  传统意义下的分类:生物物种  预测:天气预报  决策:yes or no  分类的传统模型  分类(判别分析)与聚类有什么差别?  有监督学习,无监督学习,半监督学习 机器学习 讲师 黄志洪 DATAGURU与业数据分析社区
常见分类模型不算法  线性判别法  距离判别法  贝叶斯分类器  决策树  支持向量机(SVM)  神经网络 机器学习 讲师 黄志洪 DATAGURU与业数据分析社区
文本挖掘典型场景  网页自动分类  垃圾邮件判断  评论自动分析  通过用户访问内容判别用户喜好 机器学习 讲师 黄志洪 DATAGURU与业数据分析社区
网页自动分类  自动化门户系统(百度新闻,谷歌新闻等)  搜索引擎根据用户标签类型推送不同类别的搜索结果 机器学习 讲师 黄志洪 DATAGURU与业数据分析社区
评论自动分析 机器学习 讲师 黄志洪 DATAGURU与业数据分析社区
线性判别法  例子:天气预报数据 G=c(1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2) x1=c(-1.9,-6.9,5.2,5.0,7.3,6.8,0.9,-12.5,1.5,3.8,0.2,-0.1,0.4,2.7,2.1,-4.6,-1.7,-2.6,2.6,- 2.8) x2=c(3.2,0.4,2.0,2.5,0.0,12.7,-5.4,- 2.5,1.3,6.8,6.2,7.5,14.6,8.3,0.8,4.3,10.9,13.1,12.8,10.0) a=data.frame(G,x1,x2) plot(x1,x2) text(x1,x2,G,adj=-0.5) 机器学习 讲师 黄志洪 DATAGURU与业数据分析社区
分享到:
收藏