From 56d263bd6e6cc8d4d7c26359c210d20d8b634887 Mon Sep 17 00:00:00 2001 From: Jack Cui Date: Fri, 1 Mar 2019 22:33:13 +0800 Subject: [PATCH] Delete myREADME.md --- myREADME.md | 36 ------------------------------------ 1 file changed, 36 deletions(-) delete mode 100644 myREADME.md diff --git a/myREADME.md b/myREADME.md deleted file mode 100644 index 886930d..0000000 --- a/myREADME.md +++ /dev/null @@ -1,36 +0,0 @@ -这是一个很不错的关于《机器学习实战》项目，之前已经将《机器学习实战》书籍看过几遍。现在【2019-2-26】作为简单的回顾配合着本项目的代码和书中的内容，将机器学习实战中的几个常见的算法认真回顾复习一遍。并做一些必要的记录。 - -引用该项目的作者的同样也是高中激励我努力进步的座右铭 - -* 贵有恒，何必三更起五更眠；最无益，只怕一日暴十寒。 - -现在的想法是在复习的过程中着重记录一下自己认为需要着重关注的点。 - -# 第一章 -机器学习相关的术语、主要任务、选择合适的算法、开发机器学习应用的步骤。 - -numpy 中 array 和 matrix的不同，矩阵有更为特殊的操作。 - -# 第二章 K近邻算法 -该项目的代码解释很全面，KNN算法本身也比较简单。其中的分析数据，使用matplotlib进行数据展示很规整。不同特征数据之间的差异较大可以进行数据归一化操作。 - -本章回顾了开发机器学习应用程序的步骤： -1. 收集数据 -2. 准备数据 -3. 分析数据 -4. 训练算法 -5. 测试算法 -6. 使用算法 - -在今后的不管是工程任务还是类似竞赛科研的比赛任务都应该按照这个流程去考虑问题。 - -# 第三章 决策树 -只适用于标称型数据，数值型数据必须离散化。 - -信息、信息熵、 数据的一致性与数据的混乱程度可以描述数据的无序程度。 - -这里决策树的创建，以及决策树的分类执行都涉及到了递归调用。 - -# 第四章 朴素贝叶斯 - -