data mining - 实用机器学习工具与技术 - 读书笔记( 一 )
总共就 400 来页对数据挖掘的描述,剩下都是对 Weka Workbench 用法的讲解。
开始讲了 2 个比较入门级别的算法, 不知道如何翻译,扎抄原文如下:
- Inferring Rudimentary Rules
- Statistical Modeling
第一个算法也叫1R: Simplicity First: 最简单最优先法则
1) 根据每个不同的属性的值,设置一套与结论匹配的规则。如果与结论对应(假设其他属性值不变,因为某个属性值导致了结果经常出现),这个属性值代表的规则就为 true, 反之,则为 false; 把为 false 的记录简单相加,并除以符合这个属性的所有记录的个数,得到这个属性的某一些值与结论不合符的比例,比例最小的属性则对结论的关键性决定就越强
2) 根据第一条规则,为什么要计算“不符合”的属性比例,而不是计算“符合”属性的比例,这样不是更快捷?
第二个算法是基于统计建模来判别属性值与结果的概率,核心思想是 - 每个属性同等重要与独立不相关
1) 假设有四个 Attribute, Outlook, Temperature, Humidity, Windy. 有一个结果 play ( true, false). 这四个属性对结果来说,是同等重要的,没有相互依懒或者权重的关系。
2)我们计算每个属性值对应结果 play(true, false) 的概率, 如下图所示: 归纳了每个属性值的两类概率:在本属性区域内的概率,和在整个数据集当中对应的概率
那么对于给定的一个预测值,我们预测它对应的 play(true, false) 对应的概率,是这样计算的:
假设:Outlook = Sunny, Temperature = cool , Humidity = high , Windy = true , Play = ?
P(play=yes)=2/9X3/9X3/9X3/9X9/14=0.0053P ( play = yes ) = 2/9 X 3/9 X 3/9 X 3/9 X 9/14 = 0.0053
P(play=false)=3/5X1/5X4/5X3/5X5/14=0.0206P ( play = false ) = 3/5 X 1/5 X 4/5 X 3/5 X 5/14 = 0.0206
有一种异常,当一个属性值 比如 Temperature = Hard Cool, 那么概率就是 0 了。 我们可以这样解决:凑份子
P(play=yes)=(2+up1)/(9+u)X(3+up2)/(9+u)X(3+up3)/(9+u)…..P ( play = yes ) = ( 2 + up1)/( 9 + u) X ( 3 + up2) / ( 9 + u ) X ( 3 + up3) / ( 9 + u) …..
这里, p1 + p2 + p3 = 1. 那么我们就可以给这些附上权重,当然有点违背 Statistics Modeling 的初衷。
统计建模的概率计算法则:
P(H|E) = \frac {P(E1|H)*P(E2|H)*P(E3|H)*P(E4|H)*P(H)}{ P ( E ) }
data mining - 实用机器学习工具与技术 - 读书笔记( 一 )相关推荐
- 数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么? 数据科学(data science)和商业分析(business analytics
数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么? 数据科学(data science)和商业分析(business analytics ...
- 数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么
数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么? 数据科学(data science)和商业分析(business analytics ...
- dataframe常用操作_【Data Mining】机器学习三剑客之Pandas常用算法总结上
一.前言 看pandas之前我建议先看我的numpy总结,效果更佳. SEU-AI蜗牛车:[Data Mining]机器学习三剑客之Numpy常用算法总结zhuanlan.zhihu.com 可以 ...
- python第三章上机实践_《机器学习Python实践》读书笔记-第三章
<机器学习Python实践>,第三章,第一个机器学习项目 以往目录:橘猫吃不胖:<机器学习Python实践>读书笔记-第一章zhuanlan.zhihu.com 书中介绍了一 ...
- 现代计算机密码学阶段主要有两个方向,密码学技术读书笔记
关于密码学技术读书笔记 一.密码学的介绍 密码学(在西欧语文中,源于希腊语kryptós"隐藏的",和gráphein"书写")是研究如何隐密地传递信息的学科. ...
- The Proposal of Service Oriented Data Mining System for Solving Real-Life Classification--阅读笔记
The Proposal of Service Oriented Data Mining System for Solving Real-Life Classification and Regress ...
- 《机器学习:实用案例解析》,读书笔记
第1章:数据处理技巧 案例1: 数据:6,0000条不明飞行物(UFO)的目击纪录和报道.主要目击纪录发生在美国. 问题:面对这份数据的时空维度,我们可能会有以下疑问:UFO的出现是否有周期性规律?美 ...
- 【Data Mining】机器学习三剑客之Numpy常用用法总结
点击"小詹学Python",选择"置顶"公众号 重磅干货,第一时间送达 本文转载自AI蜗牛车,禁二次转载 一.前言 玩数据分析.数据挖掘.AI的都知道这个pyt ...
- 嵌入式软件调试技术 读书笔记
第一章 软件调试概述 第二章 边界扫描测试技术 (JTAG) 第三章 学习使用GDB调试器 第四章 GDB远程调试技术 第五章 网络应用程序调试 第六章 多进程与多线程调试 第七章 静态库与动态库的调 ...
最新文章
- PhoneGap/Cordova Android应用签名发布系列问题处理收集
- ubuntu下hbase的伪分布式安装与配置
- Java核心技术卷1心得笔记1---Java程序设计概述
- vue中自定义指令、组件化、生命周期、节流和防抖、获取DOM、mint-ui简介、过渡和动画
- oracle 网络访问配置tnsnames.ora文件的路径
- Thread多线程用法示例
- [转]C# JSON格式的字符串读取到类中
- 22个值得收藏的Android开源代码
- 黑天鹅mobi_破坏我们系统的因素:黑天鹅分类法
- 小程序EXcel文件下载并打开
- 【贪玩巴斯】带你一起攻克英语语法长难句—— 第五章——尾声的凯旋:状语和状语从句 ——2022年2月25日-3月17日
- 基于采样的规划算法之动态窗口法(DWA)
- android10禁用华为桌面,[原创]简单分析华为emui10对第三方桌面的禁用逻辑(华为手机管家app) + 求助新rom的分析入手思路...
- 用HTML5做一个类似于智能对话的可以自动回复的网页对话框
- MySQL计算机机房管理系统_机房管理系统的设计与实现(JSP,MySQL)(含录像)
- 【数分书单】业务学习《从零开始做运营入门篇》第一/二/三章小结
- 商场如战场,职场似沙场
- python读写protobuf
- 过来人谈《去360还是留在百度?》
- nginx 配置域名 http https 80+443端口