Google ML 学习笔记

优酷更新地址：http://list.youku.com/albumlist/show?id=26979872&ascending=1&page=1

官方使用的是python的scikit-learn

一 Hello World

一个简单的水果分类器 用的决策树

from sklearn import tree
features = [[140, 1], [130, 1], [150, 0], [170, 0]]
labels = [0,0,1,1]
clf = tree.DecisionTreeClassifier()
clf = clf.fit(features,labels)
print clf.predict([[150,0]])

二 Visualizing a Decision Tree

many types of classifiers

• artificial neural network
• support vector machine
• ....

为什么选择决策树 （Decision Tree）

• 容易理解
• 为数不多的可以解释的方法

Iris(水仙花数）sklearn里带有该数据集 可以直接导入

三 What Makes a Good Feature?

区分狗

眼睛的颜色差不多，所以作为特征没有用，降低准确性

身高有用，但是并不完美

身高的柱状图 在中间部分 概率是对半的

好的feature 应该相互独立，好的feature之间有好的组合

四 Let’s Write a Pipeline

从sklearn 可以import各种分类器 类似的过程 接口类似

function从input output中学习 调整参数 得到我们想要的结果