![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
Axel_uestc
这个作者很懒,什么都没留下…
展开
-
kNN(k近邻算法)
K近邻分析(KNN) 一、概述KNN算法是一种有监督学习的分类算法。所谓有监督学习,就是在应用算法之前我们必须准备一组训练集,训练集中的每个实例都是由一些特征和一个分类标签组成;通常还会存在一个测试集,用来测试训练出来的分类模型的准确性。其实KNN算法并没有体现出有监督学习的所有特点,没有模型,只有算法。甚至可以说这就是一种暴力扫描法,运行效率上比较低效。KNN的具体算法为:二原创 2016-08-17 22:01:09 · 2060 阅读 · 0 评论 -
机器学习之k-means算法
K-means(k均值)一、算法分析K-means(k均值)是基于数据划分的无监督聚类算法,是数据挖掘领域的十大算法之一。样本集预先不知所属类别或标签,需要根据样本之间的距离或相似度来自动进行分类。聚类算法可以分为基于划分的方法、基于联通性的方法、基于密度的方法、基于密度分布模型的方法。K-means是属于基于划分的聚类方法。基于划分的方法是将样本集组成的矢量空间划分为多个区域,每个区原创 2016-08-17 21:54:47 · 962 阅读 · 0 评论 -
机器学习-决策树
一、基本概念决策树(decision tree)是一种基本的分类与回归方法。决策树模型呈树形结构,在分类问题中,表示属于特征对实例进行分类的过程,它可以认为是if-then规则的集合,也可以认为是电议在特征空间与类空空上的条件概率分布,其主要优点是模型具有可读性,分类速度快。决策树的学习通常包括3个步骤:特征选择,决策树的生成和决策树的修剪。 二、决策树的生成略三、常见的决策树原创 2016-08-17 22:03:07 · 394 阅读 · 0 评论 -
机器学习-贝叶斯分类
关于贝叶斯分类:没有改进的贝叶斯分类算法与kNN分类,以及决策树算法的分类效果差不多,有的时候贝叶斯分类的效果更差。一、朴素贝叶斯不用过多介绍,朴素贝叶斯的复杂度交底,当某种组合的概率很小的时候,需要拉普拉斯平滑二、属性加权的贝叶斯分类器三、结构拓展贝叶斯(类似于贝叶斯网络)四、最小错误和最小风险原创 2016-08-18 10:14:54 · 410 阅读 · 0 评论 -
机器学习-AdaBoost算法
提升方法AdaBoost算法一、提示方法的基本思路提示方法基于这样一种思想:对于一个复杂任务来说,将多个专家的判断进行适当的综合所得出的判断,要比其中任何一个专家单独的判断好。对于分类问题而言,给定一个训练样本集,求比较粗糙的分类规则(弱分类器)要比求精确的分类规则(强分类器)容易很多,提升方法就是从弱学习算法出发,反复学习,得到一系列弱分类器(又称为基本分类器),然后组合这些弱分类器,构原创 2016-08-18 11:21:10 · 806 阅读 · 0 评论