- 博客(2)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 朴素贝叶斯法
朴素贝叶斯法基于贝叶斯定理与特征条件独立假设的分类方法。朴素贝叶斯法对条件概率分布做了条件独立的假设。由于这是一个较强的假设，由此获得朴素贝叶斯的名字（对于多重线性相关的特征，朴素贝叶斯法效果会很差）。朴素贝叶斯实际上学习到生成数据的机制，所以属于生成模型。期望风险最小化准则就能得到后验概率最大化准则： f(x)=argmax P(y=k|X=x)； 这就是贝叶斯法有效的原理。
2017-03-25 12:26:42
298
原创 关于k-NN算法的总结及个人理解
k-NN算法的三要素：k值的选择，距离度量，分类决策规则。k值的选择： k值选的过小，训练误差会很小，但测试误差会对应增加，这是明显的过拟合现象。k值选的过大，训练误差过大，测试误差也会很大，明显的欠拟合现象。 K近邻法不具有显示的学习过程，也就是没有显示的训练过程，怎么会有训练误差呢？其实从原理上还是挺容易理解的，K近邻法确定后k值大小，距离度量和分类决策之后，
2017-03-23 11:41:24
3774
空空如也
Mnist数据集中通过灰度归一化处理反锯齿问题
2016-12-06
TA创建的收藏夹 TA关注的收藏夹
TA关注的人