- 博客(5)
- 资源 (1)
- 收藏
- 关注
RSS订阅
原创 《统计学习方法》李航_学习笔记_第4章_朴素贝叶斯
第4章 朴素贝叶斯 《统计学习方法》李航 第4章 朴素贝叶斯 《机器学习实战》第4章 基于概率论的分类方法 这里写代码片
2017-09-09 16:05:31
460
原创 保研面试准备
机器学习相关 概率 · 全概率公式 对于B1,B2,...,BnB_1,B_2,...,B_n 一个完备事件组，即事件两两互斥，且所有事件的交集为全集，P(Bi)>0P(B_i)>0 ，则事件A满足P(A)=∑ni=1P(A|Bi)P(Bi)P(A)=\sum_{i=1}^{n}{P(A|B_i)P(B_i)} 实际意义：当一个事件A的概率P(A)P(A) 不好求，而P(Bi)P(B_i) 和
2017-09-14 10:21:23
2545
原创 【知识图谱】综述
知识图谱研究进展 机器之心https://www.jiqizhixin.com/articles/2017-03-20 知识图谱构建 · 关键技术：实体关系识别技术、知识融合技术、实体链接技术、知识推理技术等 · 目的：获得大量的、让计算机可读的知识 · 三个部分： （1）知识获取：从非结构化、半结构化、结构化数据中获取知识 （2）数据融合：将不同数据源获取的知识进行融合，构建数据间的关联
2017-09-10 20:24:00
3742
原创 《统计学习方法》李航_学习笔记_第5章_决策树
第5章 决策树 《统计学习方法》李航 第五章 决策树 《机器学习实战》 第3章 决策树 决策树： 1.树形结构（内部节点表示一个特征或属性，叶节点表示一个类） 2.if-then规则的集合（决策树上所有根节点到叶节点路径的集合）互斥且完备 3.定义在特征空间与类空间上的条件概率分布。（将特征空间划分为互不相交的单元，并在每个单元定义一个类的概率分布，将节点实例归为条件概率最大的一类）
2017-09-08 10:26:13
201
原创 【机器学习】Kaggle-Titanic：Machine Learning from Disaster
1.导入数据 利用pandas的read_csv()读取数据2.观察数据 利用pandas中的info()显示原始数据属性的基本信息，describe()显示属性的统计信息import pandas Ttrain =pandas.read_csv("train.csv") print(Ttrain.describe())3.数据预处理 （1）数据缺失 · 若缺失值的样本占总数比例很高，则直
2017-09-03 16:04:17
399
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人