机器学习经典算法（七）模式识别——分类器

faceSchool

经典算法（七）

模式识别 - 分类器

7

分类问题是机器学习中最常见的，最有用的，最有创造性的问题之一。

分类的内容是判断邮件是否是垃圾邮件、判断文本是否是政治，娱乐话题。

我们选择以一个比较实用的话题入手 —— 构建一个餐厅的评价系统。

python 分类

构建一个餐厅的评价系统

从主体预测情感

假设你现在身处西雅图。今天特别想吃寿司， 西雅图有很多地方可以吃寿司，而且它们的评分都达到了四星级以上。

这时需要考虑的不仅是餐厅总体的评分。而且考虑的是具体的食物的，餐厅的环境，等等

那么是如何构建一个智能的餐厅推荐系统呢？

首先要从评论开始：

每一条评论都是由多条语句组成的

一些语句还包括不同情感的评价

选择包含sushi 寿司的语句

将筛选后的句子输入一个情感分类器，然后判断其是一个正面评价还是负面评价

最后将每个语句的结果求平均值，并且还找出找出最正面或最负面的评价并展示

这就是推荐系统的架构

分类器的利用

将评价根据好评差评分为正类和负类

当然在也可以分成多类

最常见的分类器是线性分类器

他的工作原理如下

在已知的单词列表中，通过计算正面单词和负面单词的个数，比较两者的个数从而推断正面和负面的情感

这就是简单的阈值分类器

但是 1.正面和负面单词的列表从哪里获得？

2. 显而易见，词语的情感 程度是不同的

例如 Great 和 Good 那么该如何度量词语的 情感程度呢？

3.并且单独的单词有时是不够的，eg: Bad 和 Not Bad

这些在以后的学习中都要进行讨论

对于词语的情感，我们可以通过训练数据来确定每个单词的权重，如下

假设我们已知所有的单词的权值

那么如何利用权值来训练分类器呢？像下面的例子一样，结果为正可以断定句子为正类

如果我们得知每个单词的权值，那么这个分类器为线性分类器。

决策边界

分类器是用于作决策的，那么我们将如何拒测呢

假设有两个权值非零的词语

awesome 和 awful 其权重为 1.0 和 - 1.5

将其分别作为X , Y 轴

决策边界为如图所示的直线，将正类和负类分隔开，但在这条线上的点无法判断为正类或负类

同理，在当有三个非零权重时，则决策边界为平面。 当多个非零权重时为超平面 此时分类器有跟那个复杂的形状

训练和评估分类器

1.

就像在回归模型中一样我们将数据分类训练集合测试集

测试集是用来评估分类效果的

有两种方式来评价分类效果

那么什么是好的精度呢？

2.

优于随机猜测的结果

对于二元的结果，精度要大于0.5

k 类 ， 精度=1/ k

在最差的情况， 分类器也要比随机猜测的结果要好，否则无意义

3.

混淆矩阵

将分类器的分类结果称为预测标签

将真是的结果称为真实标签

这里的关系就为混淆矩阵

以简单的二元分类为例举例：

我们可以从中了解到我们犯的各种错误 ，这是分类问题得一个重要部分

接下来，我们会进行分类实践，来完成推荐系统

to be the end

我思故我在

知识电量不足5%

请立即充电

People always say that it's too late. However, in fact, now is the best appropriate time. For a man who really wants to seek for something, every period of life is younger and timely.

一起分享学习的点滴

扫码加入机器学习小组（为保证学习群质量请先加管理员经验证后自动加群）