那么,还记得随机森林吗? 我们有一堆决策树,它们使用输入数据的不同子样本以及将要分支的不同属性集,当您尝试对某些事物进行最后的分类时,它们都会对最终结果进行投票。 那是合奏学习的一个例子。 另一个例子:当我们讨论 k 均值聚类时,我们想到了可能使用具有不同初始随机质心的不同 k 均值模型,并让它们都对最终结果进行投票。 这也是合奏学习的一个例子。
那么,还记得随机森林吗? 我们有一堆决策树,它们使用输入数据的不同子样本以及将要分支的不同属性集,当您尝试对某些事物进行最后的分类时,它们都会对最终结果进行投票。 那是集成学习的一个例子。 另一个例子:当我们讨论 k 均值聚类时,我们想到了可能使用具有不同初始随机质心的不同 k 均值模型,并让它们都对最终结果进行投票。 这也是集成学习的一个例子。
我们也说 Edgy Mohawk Man 先生来了,他只看了《星球大战》。 那是他唯一见过的东西,他不知道《帝国反击战》,但不知何故,他生活在一个陌生的宇宙中,他不知道实际上有很多很多《星球大战》电影,实际上每年都在增长。
...
...
@@ -191,7 +191,7 @@ movieRatings.head()
怎么能将所有这些整合在一起对我们来说真是太神奇了。 现在,您将看到一些`NaN`值,它们代表**非数字**,以及Pandas如何指示缺失值。 因此,这种解释的方式是,例如`user_id`数字`1`没看电影`1-900 (1994)`,但是`user_id`数字`1`却看了`101 Dalmatians (1996)`并将它评为`2`星。 `user_id`数字`1`也观看了`12 Angry Men (1957)`并将其评为`5`星,但没有观看电影`2 Days in the Valley (1996)`,例如,好吗? 因此,我们最终得到的基本上是一个稀疏矩阵,其中包含每个用户和每个电影,并且在用户对电影进行评分的每个路口处都有一个评分值。
我们要感谢数据集的作者,并建议阅读他们的论文:*L. Fei-Fei,R。Fergus 和 P. Perona。 一键式学习对象类别。**IEEE Trans。 模式识别和机器智能*。
我们要感谢数据集的作者,并建议阅读他们的论文:`L. Fei-Fei, R. Fergus and P. Perona. One-Shot learning of object categories. IEEE Trans. Pattern Recognition and Machine Intelligence`。