大数据云计算 公开课云计算大数据10.9日课腾讯邮箱垃圾邮箱解密-机器学习之贝叶斯分类.pdfVIP

反垃圾邮件系统核心解密

讲师(yasaka)陈老师

-2-

机器学习

•机器学习理论主要是设计和分析一些让计算机可以自动学习的算法。

•机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知

数据进行预测的算法。

•监督学习

分类（做出单一决策）

推荐（选择许多可能，并对其进行排序）

•无监督学习

聚类

-3-

机器学习

•R

•Python

•Mahout

•SparkMLlib

-4-

Python机器学习

•Scikit-Learn是基于python的机器学习模块

•Scikit-Learn中的机器学习模型非常丰富，包括SVM，决策树，

GBDT，KNN等等，可以根据问题的类型选择合适的模型

•安装scikit_learn

-5-

Scikit-learn

-6-

音乐分类

•数据集(音乐数据)

•算法使用(scikit-learn中的logisticregression)

•期望结果(输入一首歌,可以对输入的歌曲进行分类)

-7-

音乐数据

•分类型存在文件夹中

•以先把一个wma文件读入python,然后绘制它的频谱图

(spectrogram)来看看是什么样的jazz

-8-

音乐数据

•可以把每一种的音乐都抽一些出来打印频谱图以便比较,如下图:

-9-

时域

•什么是时域？？？

•从我们出生，我们看到的世界都以时间贯穿。

•股票的走势、人的身高、汽车的轨迹都会随着时间发生改变。

•这种以时间作为参照来观察动态世界的方法我们称其为时域分析。

•而我们也想当然的认为，世间万物都在随着时间不停的改变，并

且永远不会静止下来

-10-

频域

•什么是频域？？？

•频域(frequencydomain)是描述信号在频率方面特性时用到的一种

坐标系。用线性代数的语言就是装着正弦函数的空间。

•频域最重要的性质是：它不是真实的，而是一个数学构造。

•正弦波是频域中唯一存在的波形，这是频域中最重要的规则，即

正弦波是对频域的描述，因为时域中的任何波形都可用正弦波合

成。

-11-

TimeDomainvsFrequencyDomain