开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

我如何判断我在Weka中构建的分类模块是正确还是错误？

在Weka中构建分类模型后，可以通过以下几种方式来判断模型的正确性：

交叉验证（Cross-validation）：使用交叉验证方法将数据集划分为训练集和测试集，然后使用训练集训练模型，在测试集上进行预测，并计算预测准确率。如果准确率较高，说明模型具有较好的泛化能力，可以认为模型是正确的。
混淆矩阵（Confusion Matrix）：通过混淆矩阵可以直观地了解模型在不同类别上的预测情况。混淆矩阵包括真阳性（True Positive）、真阴性（True Negative）、假阳性（False Positive）和假阴性（False Negative）等指标。根据混淆矩阵的结果，可以计算出准确率、召回率、F1值等评价指标，从而判断模型的性能。
ROC曲线（Receiver Operating Characteristic Curve）：ROC曲线可以用来评估二分类模型的性能。通过绘制不同阈值下的真阳性率（True Positive Rate）和假阳性率（False Positive Rate），可以得到ROC曲线。根据ROC曲线的形状，可以判断模型的性能，一般来说，曲线越靠近左上角，模型性能越好。
特征重要性（Feature Importance）：在分类模型中，可以通过特征重要性来判断模型的正确性。特征重要性可以衡量每个特征对于模型预测的贡献程度，如果某些特征的重要性较高，说明它们对于分类结果的影响较大，模型可能是正确的。

总结起来，判断在Weka中构建的分类模型是否正确，可以通过交叉验证、混淆矩阵、ROC曲线和特征重要性等方法来评估模型的性能和泛化能力。根据评估结果，可以判断模型的正确性，并根据需要进行调整和改进。

腾讯云相关产品和产品介绍链接地址：

腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
腾讯云人工智能开发平台（https://cloud.tencent.com/product/ai）
腾讯云数据智能（https://cloud.tencent.com/product/dti）
腾讯云大数据分析（https://cloud.tencent.com/product/dna）
腾讯云云服务器（https://cloud.tencent.com/product/cvm）
腾讯云数据库（https://cloud.tencent.com/product/cdb）
腾讯云存储（https://cloud.tencent.com/product/cos）
腾讯云区块链（https://cloud.tencent.com/product/baas）
腾讯云物联网（https://cloud.tencent.com/product/iot）
腾讯云移动开发（https://cloud.tencent.com/product/mpp）
腾讯云音视频（https://cloud.tencent.com/product/vod）
腾讯云网络安全（https://cloud.tencent.com/product/saf）
腾讯云元宇宙（https://cloud.tencent.com/product/mu）

相关搜索:laravel 8在集合中返回错误的id - bug还是我错了？pytest在模块中的执行顺序是颠倒的。我怎么才能让它变得正确呢？Vuex中的扩展运算符在babel中不能正确编译，我不断得到模块构建失败为什么KL发散会产生nan？是数学错误还是我的输入数据不正确？在laravel中创建一个辅助系统是正确的还是错误的？在python setup.py中，我如何允许用户在不进行构建的情况下安装我的模块文件？如何判断我是使用.NET在x64还是x86上？如何判断我是在Ammonite repl下运行还是在脚本中运行？如何判断我的PowerShell模块函数是由C#应用程序调用的，还是从命令行调用的？如何检查我上传的文件是CSV格式还是Excel格式？在python中

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

深度|DT时代的核心竞争力---数据分析与挖掘

下面我将从几个方面介绍数据挖掘： 1 数据挖掘的基本任务数据挖据的基本任务包括利用分类与预测、聚类分析、关联规则、时序模式、偏差检验、智能推荐等方法，帮助企业提取数据中蕴含的商业价值，提高企业的竞争力...抽样有很多的方法：比如随机抽样、等距抽样、分层抽样、分类抽样等。 2.3 数据预处理当采集的数据维度过大，如何进行降维处理、缺失值处理等都是数据预处理过程中要解决的问题。...RapidMiner是基于Java开发的，基于Weka来构建的，所以Yale可以调用Weka中的组件，Yale中还提供扩展套件Radoop，可以和Hadoop结合起来用，在Hadoop集群中运行任务。...WEKA作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。...跟很多电子表格或数据分析软件一样，WEKA所处理的数据集是一个二维的表格。 3.7 Knime KNIME是一个基于Eclipse平台开发，模块化的数据挖掘系统。

1.2K4 0

数据分享|WEKA信贷违约预测报告：用决策树、随机森林、支持向量机SVM、朴素贝叶斯、逻辑回归|附代码数据

建模和模型优化随机森林 Weka操作打开预处理后的训练集，在classifier模块中选择CVParameterSelection，并选择RandomForest决策分类树算法，寻找最佳参数。...支持向量机SVM算法算法原理支持向量机（support vector machines, SVM）是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，基本想法是求解能够正确划分训练数据集并且几何间隔最大的分离超平面...Weka操作在package manager中下载LibSVM包，并在classifier模块中选择最优参数选择CVParameterSelection，使用SVM分类算法。...数据集属性的独立性在很多情况下是很难满足的，因为数据集的属性之间往往都存在着相互关联，如果在分类过程中出现这种问题，会导致分类的效果大大降低。...Weka操作过程打开预处理后的训练集，在classifier模块中选择CVParameterSelection，并选择simpleCART决策分类树算法，寻找最佳参数。

8960 0

3 机器学习入门——决策树之天气预报、鸢尾花

在实际生活中，我们面对的当然不仅仅是由数字得出的，很多时候是通过决策得出。...譬如判断一朵花属于哪个品种，我们会根据它的叶片形状、颜色等一些属于分类的属性来进行判断；还有去相亲，可能会先根据对方的年龄、学历、高富帅程度等做决策。 so，这些问题都促使了决策树的诞生。...在weka安装目录里有个data文件夹，里面有一些weka从各处搜集来一些比较知名的数据样例。拿weather.nominal.arff为例 ?...OK，我们来使用决策树试试，先试试大名鼎鼎的C4.5分类器，在weka中对应J48。在trees里找到J48，同样选择10次折叠，点击start。可以看到正确率在50%。...导入数据，分别使用逻辑回归和J48来跑一下，发现两个都是96%的正确率。 ? ? 这个数据集经过多次尝试，在各个算法上表现比较类似，差距不大，最好的结果是在SVM（支持向量机）上，96.6667%。

1.5K2 0

ML Mastery 博客文章翻译（二）20220116 更新

卷积层在深度学习神经网络中是如何工作的？...10 个数据集）如何在 R 中构建机器学习算法的集成 R 中的机器学习评估指标 R 中的第一个机器学习逐步项目 R 中的机器学习项目模板 R 中的决策树非线性分类 R 中的非线性分类 R 中的决策树非线性回归...使用 Weka 加快应用机器学习的进度如何在 Weka 中更好地理解你的机器学习数据我开始机器学习时犯的最大错误，以及如何避免如何在 Weka 中逐步完成二分类项目案例研究：预测五年内糖尿病的发作...设计并运行你在 Weka 的第一个实验如何下载安装 Weka 机器学习工作台如何在 Weka 中评估机器学习模型的基线表现如何在 Weka 中估计机器学习算法的表现用于提高准确率和减少训练时间的特征选择...如何获得更多 Weka 机器学习工作台的帮助如何使用 Weka 处理机器学习数据中的缺失值如何在 Weka 中运行你的第一个分类器如何在 Weka 中调整机器学习算法在 Weka 中为更好的预测使用提升

4.4K3 0

Weka机器学习使用介绍（数据+算法+实战）

Weka的主页面窗口有四个模块： Explorer：进行数据的特征选择、分类、回归、聚类、关联规则、数据可视化等功能，口语进行不同的实验对比不同算法的结果。...数据读取打开Explorer界面，点击Open file，选择保存目录下的Weka_Data.csv(在公众号回复Weka_Data即可得到csv文件的下载地址)，文件中是包含20个特征的20个数据和对应的...该模块有6个选项卡，用来选择不同的功能面板，从左到右依次是Preprocess（预处理）、Classify（分类）、Cluster（聚类）、Associate（关联规则）、Select attribute...2.2 特征选择在Filter选择weka-filters-supervised – attribute下的AttributeSelection，该界面有两个选项，evaluator是评价特征集合有效性的方法...Confusion Matrix给出了测试样本的分类情况，通过它，可以很方便地看出正确分类或错误分类的某一类样本的数量。我们采用常用的J48决策树分类器进行4折交叉验证，得到的实验结果如下： ?

10.9K4 3

给应聘分析数据科学公司的校园新生应聘者的一些建议

如何根据语料计算两个词词义的相似度？在百度贴吧里发布 APP 广告，问推荐策略？如何判断自己实现的 LR、Kmeans 算法是否正确？ 100亿数字，怎么统计前100大的？...最好是在项目/实习的大数据场景里用过，比如推荐里用过 CF、LR，分类里用过 SVM、GBDT；一般用法是什么，是不是自己实现的，有什么比较知名的实现，使用过程中踩过哪些坑；优缺点分析。...基础知识对知识进行结构化整理，比如撰写自己的 cheet sheet，我觉得面试是在有限时间内向面试官输出自己知识的过程，如果仅仅是在面试现场才开始调动知识、组织表达，总还是不如系统的梳理准备；从面试官的角度多问自己一些问题...cheet sheet，我觉得面试是在有限时间内向面试官输出自己知识的过程，如果仅仅是在面试现场才开始调动知识、组织表达，总还是不如系统的梳理准备；从面试官的角度多问自己一些问题，通过查找资料总结出全面的解答...如果真的是以就业为导向就要在平时注意实战经验的积累，在科研项目、实习、比赛（Kaggle，Netflix，天猫大数据竞赛等）中摸清算法特性、熟悉相关工具与模块的使用。

8547 0

【机器学习】我在面试机器学习、大数据岗位时遇到的各种问题

如何根据语料计算两个词词义的相似度？在百度贴吧里发布 APP 广告，问推荐策略？如何判断自己实现的 LR、Kmeans 算法是否正确？ 100亿数字，怎么统计前100大的？...最好是在项目/实习的大数据场景里用过，比如推荐里用过 CF、LR，分类里用过 SVM、GBDT；一般用法是什么，是不是自己实现的，有什么比较知名的实现，使用过程中踩过哪些坑；优缺点分析。...基础知识对知识进行结构化整理，比如撰写自己的 cheet sheet，我觉得面试是在有限时间内向面试官输出自己知识的过程，如果仅仅是在面试现场才开始调动知识、组织表达，总还是不如系统的梳理准备；从面试官的角度多问自己一些问题...cheet sheet，我觉得面试是在有限时间内向面试官输出自己知识的过程，如果仅仅是在面试现场才开始调动知识、组织表达，总还是不如系统的梳理准备；从面试官的角度多问自己一些问题，通过查找资料总结出全面的解答...如果真的是以就业为导向就要在平时注意实战经验的积累，在科研项目、实习、比赛（Kaggle，Netflix，天猫大数据竞赛等）中摸清算法特性、熟悉相关工具与模块的使用。

1.1K6 0

面试机器学习、大数据岗位时遇到的各种问题

如何根据语料计算两个词词义的相似度？在百度贴吧里发布 APP 广告，问推荐策略？如何判断自己实现的 LR、Kmeans 算法是否正确？ 100亿数字，怎么统计前100大的？...最好是在项目/实习的大数据场景里用过，比如推荐里用过 CF、LR，分类里用过 SVM、GBDT；一般用法是什么，是不是自己实现的，有什么比较知名的实现，使用过程中踩过哪些坑；优缺点分析。...基础知识对知识进行结构化整理，比如撰写自己的 cheet sheet，我觉得面试是在有限时间内向面试官输出自己知识的过程，如果仅仅是在面试现场才开始调动知识、组织表达，总还是不如系统的梳理准备；从面试官的角度多问自己一些问题...cheet sheet，我觉得面试是在有限时间内向面试官输出自己知识的过程，如果仅仅是在面试现场才开始调动知识、组织表达，总还是不如系统的梳理准备；从面试官的角度多问自己一些问题，通过查找资料总结出全面的解答...如果真的是以就业为导向就要在平时注意实战经验的积累，在科研项目、实习、比赛（Kaggle，阿里大数据竞赛等）中摸清算法特性、熟悉相关工具与模块的使用。

1.1K6 0

机器学习类面试问题与思路总结，你需要吗？

3）LR 的推导，特性？ 4）决策树的特性？ 5）SVM、LR、决策树的对比？ 6）GBDT 和决策森林的区别？ 7）如何判断函数凸或非凸？ 8）解释对偶的概念。 9）如何进行特征选择？...采集数据中的异常值如何处理？ 5）如何根据语料计算两个词词义的相似度？ 6）在百度贴吧里发布 APP 广告，问推荐策略？ 7）如何判断自己实现的 LR、Kmeans 算法是否正确？...最好是在项目/实习的大数据场景里用过，比如推荐里用过 CF、LR，分类里用过 SVM、GBDT；　　一般用法是什么，是不是自己实现的，有什么比较知名的实现，使用过程中踩过哪些坑；优缺点分析。...，还要对知识进行结构化整理，比如撰写自己的 cheet sheet，我觉得面试是在有限时间内向面试官输出自己知识的过程，如果仅仅是在面试现场才开始调动知识、组织表达，总还是不如系统的梳理准备； 7）从面试官的角度多问自己一些问题...3、如果真的是以就业为导向就要在平时注意实战经验的积累，在科研项目、实习、比赛（Kaggle，Netflix，天猫大数据竞赛等）中摸清算法特性、熟悉相关工具与模块的使用。

4330 0

数据挖掘工程师的面试问题与答题思路

4）路段平均车速反映了路况，在道路上布控采集车辆速度，如何对路况做出合理估计？采集数据中的异常值如何处理？ 5）如何根据语料计算两个词词义的相似度？ 6）在百度贴吧里发布 APP 广告，问推荐策略？...7）如何判断自己实现的 LR、Kmeans 算法是否正确？ 8）100亿数字，怎么统计前100大的？ …… 答题思路 1、用过什么算法？　　...最好是在项目/实习的大数据场景里用过，比如推荐里用过 CF、LR，分类里用过 SVM、GBDT；　　一般用法是什么，是不是自己实现的，有什么比较知名的实现，使用过程中踩过哪些坑；优缺点分析。...，还要对知识进行结构化整理，比如撰写自己的 cheet sheet，我觉得面试是在有限时间内向面试官输出自己知识的过程，如果仅仅是在面试现场才开始调动知识、组织表达，总还是不如系统的梳理准备； 7）从面试官的角度多问自己一些问题...3、如果真的是以就业为导向就要在平时注意实战经验的积累，在科研项目、实习、比赛（Kaggle，Netflix，天猫大数据竞赛等）中摸清算法特性、熟悉相关工具与模块的使用。

7293 0

数据挖掘工程师的面试问题与答题思路

4）路段平均车速反映了路况，在道路上布控采集车辆速度，如何对路况做出合理估计？采集数据中的异常值如何处理？ 5）如何根据语料计算两个词词义的相似度？ 6）在百度贴吧里发布 APP 广告，问推荐策略？...7）如何判断自己实现的 LR、Kmeans 算法是否正确？ 8）100亿数字，怎么统计前100大的？ …… 答题思路 1、用过什么算法？　　...最好是在项目/实习的大数据场景里用过，比如推荐里用过 CF、LR，分类里用过 SVM、GBDT；　　一般用法是什么，是不是自己实现的，有什么比较知名的实现，使用过程中踩过哪些坑；优缺点分析。...，还要对知识进行结构化整理，比如撰写自己的 cheet sheet，我觉得面试是在有限时间内向面试官输出自己知识的过程，如果仅仅是在面试现场才开始调动知识、组织表达，总还是不如系统的梳理准备； 7）从面试官的角度多问自己一些问题...3、如果真的是以就业为导向就要在平时注意实战经验的积累，在科研项目、实习、比赛（Kaggle，Netflix，天猫大数据竞赛等）中摸清算法特性、熟悉相关工具与模块的使用。

2.7K8 0

面试机器学习、大数据岗位时遇到的各种问题

如何根据语料计算两个词词义的相似度？在百度贴吧里发布 APP 广告，问推荐策略？如何判断自己实现的 LR、Kmeans 算法是否正确？ 100亿数字，怎么统计前100大的？...最好是在项目/实习的大数据场景里用过，比如推荐里用过 CF、LR，分类里用过 SVM、GBDT；一般用法是什么，是不是自己实现的，有什么比较知名的实现，使用过程中踩过哪些坑；优缺点分析。...基础知识对知识进行结构化整理，比如撰写自己的 cheet sheet，我觉得面试是在有限时间内向面试官输出自己知识的过程，如果仅仅是在面试现场才开始调动知识、组织表达，总还是不如系统的梳理准备；从面试官的角度多问自己一些问题...cheet sheet，我觉得面试是在有限时间内向面试官输出自己知识的过程，如果仅仅是在面试现场才开始调动知识、组织表达，总还是不如系统的梳理准备；从面试官的角度多问自己一些问题，通过查找资料总结出全面的解答...如果真的是以就业为导向就要在平时注意实战经验的积累，在科研项目、实习、比赛（Kaggle，阿里大数据竞赛等）中摸清算法特性、熟悉相关工具与模块的使用。

80716 0

【爆】机器学习与大数据面试问题与答题思路

3）LR 的推导，特性？ 4）决策树的特性？ 5）SVM、LR、决策树的对比？ 6）GBDT 和决策森林的区别？ 7）如何判断函数凸或非凸？ 8）解释对偶的概念。 9）如何进行特征选择？...采集数据中的异常值如何处理？ 5）如何根据语料计算两个词词义的相似度？ 6）在百度贴吧里发布 APP 广告，问推荐策略？ 7）如何判断自己实现的 LR、Kmeans 算法是否正确？...最好是在项目/实习的大数据场景里用过，比如推荐里用过 CF、LR，分类里用过 SVM、GBDT；　　一般用法是什么，是不是自己实现的，有什么比较知名的实现，使用过程中踩过哪些坑；优缺点分析。...，还要对知识进行结构化整理，比如撰写自己的 cheet sheet，我觉得面试是在有限时间内向面试官输出自己知识的过程，如果仅仅是在面试现场才开始调动知识、组织表达，总还是不如系统的梳理准备； 7）从面试官的角度多问自己一些问题...3、如果真的是以就业为导向就要在平时注意实战经验的积累，在科研项目、实习、比赛（Kaggle，Netflix，天猫大数据竞赛等）中摸清算法特性、熟悉相关工具与模块的使用。

8866 0

开源的数据挖掘工具

R 用于统计分析和图形化的计算机语言及分析工具，为了保证性能，其核心计算模块是用C、C++和Fortran编写的。同时为了便于使用，它提供了一种脚本语言，即R语言。...YALE中提供了大量的运算符，包括数据处理、变换、探索、建模、评估等各个环节。YALE是用Java开发的，基于Weka来构建，也就是说它可以调用Weka中的各种分析组件。 ?...Mahout 是由 Apache Lucene（开源搜索）社区中对机器学习感兴趣的一些成员发起的，他们希望建立一个可靠、文档翔实、可伸缩的项目，在其中实现一些常见的用于集群和分类的机器学习算法。...该项目的另一个特色是能够很好的支持中文文本的分类、聚类等操作。...我的推荐是KNIME，同时安装Weka和R扩展包。我的点评纯属个人意见，欢迎大家批评交流。在我的实际工作中使用开源挖掘工具并不多，大部分时候都是在使用SAS Enterprise Miner。

1.5K3 0

weka文本挖掘分析垃圾邮件分类模型

WEKA文本分词预处理首先对于训练集文件夹中的两类邮件文档进行分析，可从不同角度自动化分析两类文件特征，编写算法，构建分类模型。...对corpus中的attribute进行分析，找出对于分类有贡献的attribute（即那些词只出现在positive中，那些词只出现在negative中,哪些词在两个类别里都出现） 3....找出区分positive和negative的分类规则（即哪些词在一起出现的时候会导致分类器判断的结果为positive，哪些词在一起出现的时候会导致分类器判断的结果为negative）从结果可以看出cell...WEKA文本分词结果比较下面得到每个分类器的准确度和混淆矩阵： NaiveBayes 结语基于判别方法的垃圾邮件过滤在现代研究中引起比较少的关注，结果很清楚地表明,基于随机森林、SVM模型的分类方法相对于传统的方法...,在垃圾邮件的过滤方面,可以有效地提高正确率和准确率。

7902 1

2 机器学习入门——逻辑回归第二课

这是一个最简单的二维平台线性关系，数据集是data1.csv。...导入到weka中后，我们需要修改一下result的类型，可以看到现在它是numeric，是数值型，我们需要将它转为nominal类型，即分类型。...来解释结果： Odds Ratios代表胜率，解释看这篇，我也搞不懂这玩意有啥用。主要还是看Summary和Matrix，每个代表的涵义看这篇。...我只说重要的，成功率是90%，也就是共100个数，有90个预测对了。 TP代表本来为true，机器预测也为true的概率。...下面的Matrix代表：有35个本来为0的被成功预测为0，有5个本来为0的被预测错误。有55个本来为1的本成功预测为1，有5个本来为1的被预测错误。所以正确率90%。

3823 1

做股票数据挖掘的一些日志

做的那个过程一波三折啊，冲在最前线摸索的自然是老夫（结果犯方向性错误最多的也是我）。我们在开始做之前花了一个月补基础，买了几本书看，都是在业内很经典的书。...第二，在这些综合性能最好的工具中，WEKA的统计能力相对偏弱，图形化一般，而挖掘能力是顶尖的，在股票的挖掘中，我们应用的数据本身就是统计学指标，是别人已经算好的，所以对统计能力的要求并不高，而WEKA保证了最好的挖掘效果...具体的相关代码就不发了，自己去找找，在WEKA中是怎么做的数据类型转换，不难找到。接下来讲述一下我自己的实际操作。...可惜的是，国内的相关资料并不多，如果实在找不到资料，我就直接读源码了，不得不提的是WEKA的源码具有非常到位的注释和文档，这点还是很赞的。...6次，但是有一次是被错误分类的。

1.9K5 0

用于入门的最佳机器学习资源

如果您知道如何编程，可以利用它来快速深入机器学习。那么在实现它的生产系统之前，要有条理地去学习有关技术的数学。找到一个库，阅读文档，按照教程，开始尝试。以下是最好的开源机器学习编程库。...WEKA：这是一个提供API的数据挖掘工作台，以及用于整个数据挖掘生命周期的大量命令行和图形用户界面。您可以准备数据，可视化探索，构建分类，回归和聚类模型，许多算法都内置在第三方插件中。...您可以完全不用编程就可以像WEKA一样驱动工具。您可以进一步使用BigML等服务，在Web上提供机器学习界面，您可以在浏览器中浏览构建模型。选择一个平台，并用它来完成你的机器学习教育。...视频课程在机器学习中，视频是一种非常流行的入门方式。我在YouTube和VideoLectures.Net上观看了很多机器学习视频。风险就是你所要做的就是消费，不能采取行动。...关于机器学习的一些有用的知识：这是一个很好的论文，因为它从特定的算法中退出，并激发了一些重要的问题，如特征选择泛化和模型简单。从一开始就从正确的角度思考，这是一件好事。

1.1K10 0

机器分类方法如何用在医学诊断案例——基于R的实现

1．引言随着统计科学的日益发展，其对其他学科的渗透作用日益增强，数据分析方法在医学、生物学、社会学等各个学科中得到了广泛的应用，本文试图对收集到的某个临床医学数据运用决策树、神经网络、支持向量机、随机森林等各种现代分类方法进行分析...2.3 Adaboost Adaboost是一种迭代分类算法，不断地通过加权再抽样改进分类器，每一次迭代时都针对前一个分类器对某些观测值的误分缺陷加以修正，通常是在（放回）抽取样本时对那些误分的观测值增加权重...（相当于对正确分类的减少权重），这样就形成一个新的分类器进入下一轮迭代。...在每轮迭代时都对这一轮产生的分类器给出错误率，最终结果由各个阶段的分类器的按照错误率加权投票产生。...2.6 随机森林方法在机器学习中，随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定。

1.6K5 0

最佳机器学习入门级资源

WEKA：这是一个提供API的数据挖掘工作台，包含用于整个数据挖掘中所需的大量命令行，它也具有图形用户界面。可以用于准备数据，可视化探索，构建分类，回归和聚类模型，许多算法都内置在第三方插件中。...如果您是大数据和机器学习的新手，请坚持使用WEKA并坚持一次学习一样东西。 Scikit Learn：基于NumPy和SciPy构建的Python中的机器学习。...您可以完全不用编程就可以像WEKA一样驱动工具。您可以进一步使用BigML等服务，在Web上提供机器学习界面，您可以在浏览器中浏览构建模型。选择一个更适合自己的平台，用它进行“机器学习”实际学习。...在我看过的视频中，Andrew Ng在斯坦福大学的讲座视频，很适合推荐给初学者。...从一开始就从正确的角度思考，这是一件好事。我只列出了两篇重要的文章，因为阅读文章可能会让你失望。初学者机器学习书籍有很多机器学习书籍，但为初学者编写的书籍却很少。什么是真的初学者？

1.2K11 1

点击加载更多

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭