Python机器学习原理算法及案例实战答案.pdfVIP

Python机器学习原理算法及案例实战答案.pdf

  1. 1、本文档共4页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

Python机器学习原理算法及案例实战答案--第1页

Python机器学习原理算法及案例实战答案

1、k-近邻算法:手写字符识别

通过算法训练识别字符为0-9的数字,也可以为A-Z的字符,目前sklearn

提供的数据集里面为0-9的数字。数据训练前需要用图像处理软件将数字转换成

宽高为32X32的黑白图像,然后将其变换成1x1024的向量。

2、朴素贝叶斯:垃圾邮件过滤

邮箱系统如何分辨一封Email是否属于垃圾邮件?这应该属于文本挖掘的范

畴,通常会采用朴素贝叶斯的方法进行判别。它的主要原理是,根据邮件正文中

的单词,是否经常出现在垃圾邮件中,进行判断。

3、Logistic回归:预测病马的死亡率

Logistic回归又称Logistic回归分析,是一种广义的线性回归分析模型,常用

于数据挖掘,疾病自动诊断,经济预测等领域。使用Logistic回归来预测患疝气

病的马的存活问题是一个典型的案例,项目数据集包含了医院检测马疝病的368

个样本和28个特征,有的指标比较主观,有的指标难以测量。

4、基于协同过滤:菜肴推荐引擎

构建一个推荐系统,该系统可以像一个人推荐去哪儿吃饭和菜品推荐,解决

人们选择饭店和不知道点什么菜的问题。这个系统能够寻找用户没有尝过的菜

肴,预估用户对该菜品的评分,然后通过SVD来减少特征空间并提高推荐效果。

5、基于异常值分析:支付中的交易欺诈侦测

采用支付宝支付时,或者刷信用卡支付时,系统会实时判断这笔刷卡行为是

否属于盗刷。通过判断刷卡的时间、地点、商户名称、金额、频率等要素进行判

断。这里面基本的原理就是寻找异常值。如果您的刷卡被判定为异常,这笔交易

Python机器学习原理算法及案例实战答案--第1页

Python机器学习原理算法及案例实战答案--第2页

可能会被终止。

异常值的判断,应该是基于一个欺诈规则库的。可能包含两类规则,即事件

类规则和模型类规则。第一,事件类规则,例如刷卡的时间是否异常(凌晨刷卡)、

刷卡的地点是否异常(非经常所在地刷卡)、刷卡的商户是否异常(被列入黑名

单的套现商户)、刷卡金额是否异常(是否偏离正常均值的三倍标准差)、刷卡

频次是否异常(高频密集刷卡)。第二,模型类规则,则是通过算法判定交易是

否属于欺诈。一般通过支付数据、卖家数据、结算数据,构建模型进行分类问题

的判断。

6、决策树:预测隐形眼镜的类型

预测隐形眼镜的类型是决策树分类问题中的一个案例。隐形眼镜数据集是非

常著名的数据集,它包含了很多患者眼部状况的观察条件以及医生推荐的隐形眼

镜类型。隐形眼镜类型包括硬材质、软材质以及不适合佩戴隐形眼镜。数据中采

用的特征有四个:age(年龄)、prescript(症状)、astigmatic(是否散光)、tearRate

(眼泪数量)。

7、Apriori算法关联分析:发现毒蘑菇的相似特征

Apriori算法关联分析是从大规模数据集中寻找物品间的隐含关系。通过分析

寻找毒蘑菇的公共特征,利用这些特征就能避免迟到有毒的蘑菇。所提供的数据

集合重有蘑菇的23种特征的数据集,每一个特征是标称数据。而我们需要将样

本转换成特征的集合,枚举每个特征所有可能的举止,如果某个样本包含特征,

那么特征对应的整数应该被包含在数据集中,每一个样本都是这样的特征集合。

如果第一个特征有毒就是2,如果能食用就是1,下一个特征是形状有6可能值,

用整数3-8表示,相当于把需要的特征维度都进行排列离散化。最终只有一个大

Python机器学习原理算法及案例实战答案--第2页

Python机器学习原理算法

您可能关注的文档

文档评论(0)

176****9029 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档