Collective Intelligence
2015-07-23 16:54
162 查看
machineLearning(机器学习)包含supervised Learning和unsupervised Learning,
其中监督学习又包含线性回归(Regress)用来处理连续(continues)的线性问题。
分类问题(classification)主要用来处理离散的(discrete)的问题。
unsupervised Learning非监督的学习,主要包含聚类算法。
所要使用的工具有,Octave和Matlab这两种工具。
<集体智慧编程>书中知识点总结
在vim中想显示行号使用命令:
解决在vim中注释中中文编码问题的方法是在第一行添加如下代码
导入函数库的方法如下:
学习的python库如下:
协作型过滤的概念
Finding Similar Users
欧几里德公式:
皮尔逊公式:
权重均值(weighted Mean):
其中监督学习又包含线性回归(Regress)用来处理连续(continues)的线性问题。
分类问题(classification)主要用来处理离散的(discrete)的问题。
unsupervised Learning非监督的学习,主要包含聚类算法。
所要使用的工具有,Octave和Matlab这两种工具。
<集体智慧编程>书中知识点总结
在vim中想显示行号使用命令:
set number
解决在vim中注释中中文编码问题的方法是在第一行添加如下代码
#-*-coding:utf-8-*
导入函数库的方法如下:
import math from math import sqrt from math import *
学习的python库如下:
FeedParser Imaging library BeautifulSoup pySqlite Numpy matplotlib
协作型过滤的概念
Collaborative Filtering 就是对一大群人进行搜索,并找出其中与我们品味最相近的一小群人并对这一小群人所喜爱的商品进行考察,并将它们构成一张经过排名的推荐列表
Finding Similar Users
one:Euclidean distance函数如下: ![欧几里德计算公式](https://img-blog.csdn.net/20150723170237390) def euclidean(p,q): sumSq=0.0 # add up the squared differences for i in range(len(p)): sumSq+=(p[i]-q[i])**2 # take the square root return (sumSq**0.5) two:Pearson correlation 皮尔逊相关度 def pearson(x,y): n=len(x) vals=range(n) # Simple sums sumx = sum([float(x[i]) for i in vals]) sumy = sum([float(y[i]) for i in vals]) #Sum up the squares sumxSq = sum(x[i]**2.0 for i in vals) sumySq = sum(y[i]**2.0 for i in vals) # Sum up the products pSum=sum(x[i]*y[i] for i in vals) #Calculate Pearson score num = pSum-(sumx*sumy/n) den = ((sumxSq-pow(sumx,2)/n)*(sumySq-pow(sumy,2)/n))**0.5 if den==0:return 0 r = num/den return r 权重均值的计算方法如下: def weightedmean(x,w): num = sum([x[i]*w[i] for i in range(len(w))]) den = sum([w[i] for i in range(len(w))]) return num/den
欧几里德公式:
皮尔逊公式:
权重均值(weighted Mean):
相关文章推荐
- 用Python从零实现贝叶斯分类器的机器学习的教程
- 也谈 机器学习到底有没有用 ?
- 量子计算机编程原理简介 和 机器学习
- 10个关于人工智能和机器学习的有趣开源项目
- 机器学习实践中应避免的7种常见错误
- 机器学习书单
- 北美常用的机器学习/自然语言处理/语音处理经典书籍
- 如何提升COBOL系统代码分析效率
- 支持向量机(SVM)算法概述
- 神经网络初步学习手记
- 开始spark之旅
- spark的几点备忘
- 关于机器学习的学习笔记(一):机器学习概念
- 关于机器学习的学习笔记(二):决策树算法
- 关于机器学习的学习笔记(三):k近邻算法
- 长期招聘:自然语言处理工程师
- 长期招聘:个性化推荐
- 为什么需要一个推荐引擎平台
- 机器学习之决策树整理
- Kernel PCA