机器学习实战
文章平均质量分 94
CheckChek
这个作者很懒,什么都没留下…
展开
-
机器学习实战 - 基于概率论的分类方法:朴素贝叶斯
基于概率论,如果A事件发生的概率大于B时间发生的概率那么我们的“决策机构”就选择A事件,反则选B。原创 2017-04-24 21:11:10 · 2289 阅读 · 0 评论 -
机器学习实战 - Logistic回归
假设我们有 一些数据点,我们用一条直线对其进行拟合,那么拟合的过程就称为回归。实际上Logistic回归经常用于二类分类,也就是一般只用于只存在两种诸如“是”与“不是”等的问题,我们需要这么一个函数,能接收所有输入然后预测出类别。原创 2017-04-29 20:19:58 · 601 阅读 · 0 评论 -
机器学习实战 - 决策树
决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干,故称决策树。原创 2017-04-24 19:58:11 · 442 阅读 · 0 评论 -
机器学习实战 - K-近邻算法
k-近邻算法(KNN)的工作原理是:有一个样本数据集,注意是集合(说明是大量的数据,至少>1),并且每个数据样本都存在标签,如点(1, 1)对应标签A、点(-1, -1)对应标签B,在此我们可以将点(1, 1)的两个“1”称为标签,标签可以有有限个(我喜欢用概率论的定义称之为可列多),视具体情况而定。那么我们可以输入没有被分类的数据,将新数据的特征与样本集合中对应位置的特征进行比较,然后提取样本集中原创 2017-04-07 10:21:50 · 267 阅读 · 0 评论