- 博客(6)
- 资源 (3)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 Logistic回归-数学原理（1）机器学习实战
前言 ：这篇主要讲logistic回归，虽然名字上是回归，但很多时候我们都将他用于分类，由于这一章公式比较多，而且第一次遇到了最优化算法，所以本文大部分会放在相关数学公式的证明和理解上，代码实现部分之后再补充。 先解释一下什么是回归，我们经常会接触到一些数据点，希望拟合一条直线或者曲线去近似他，从而预测其他未知变量的值，而这个拟合过程就称作回归。而logistic回归解决分类问题的主......
2018-03-30 11:59:56
1812
9
原创 朴素贝叶斯-分类及Sklearn库实现（2）机器学习实战
上一篇文章我们简单介绍了朴素贝叶斯的前提条件以及实现过程，并介绍了几个流行的朴素贝叶斯分类法，实现了最基本的文本分类，这篇文章将继续介绍朴素贝叶斯分类，这次主要通过垃圾邮件过滤的程序实现，深化贝叶斯分类的过程，并通过sklearn库实现上文中三种朴素分类器的效果，并比较几种朴素贝叶斯分类算法的准确性。 对于垃圾邮件过滤而言，我们首先要对邮件数据进行一定的处理，才能供算法使用，第一步是......
2018-03-28 15:12:56
1693
3
原创 朴素贝叶斯-分类及Sklearn库实现（1）机器学习实战
KNN，决策树两种算法都明确给出了“该数据实例到底属于哪一类”这类明确的回答，而这一篇讲到的朴素贝叶斯分类器，基于概率论的分类方法，将给出数据实例属于不同种类的概率（基于数据的后验概率），从而供我们选择一个最优的类别猜测结果。例如给定一组数据(x，y)，可能的分类是C1，C2，这里我们基于之前给出的数据，求P(C1|x，y)和P(C2|x，y)，比较两个概率的大小，判断(x，y)更可......
2018-03-26 21:30:14
4375
原创 决策树-原理与Sklearn库实现（2）机器学习实战
上篇文章对决策树的基本实现过程进行了了解，关键是几种不同的特征划分方式，sklearn的特点就是代码简单，编码比较简洁，而且使用起来很方便，在基本了解决策树的实现过程后，接下来我们用时下比较流行的Sklearn库实现决策树的建模与绘制。首先看一下sklearn的决策树建模与绘图效果，数据还是上一篇里最基础的判断是否为鱼的数据：from sklearn import treeimport ...
2018-03-23 15:57:57
1389
原创 决策树-原理与Sklearn库实现（1）机器学习实战
我们经常使用决策树处理分类问题，相比于其他分类算法，决策树算法的实现更加简单明了，而绘制出的决策树也能够轻松的看出数据隐含的内在信息，常用的决策树有CART树，ID3树，还有C4.5树，决策树的优点在于计算复杂度不高，输出结果易于理解，可以处理不相关特征数据，缺点是可能会产生过度匹配问题，因此建模完成后还经常需要剪枝或者在建模时对节点，深度进行一些限制，不过一般数据量不是很大时，这个问题暂...
2018-03-22 15:56:30
831
原创 KNN-原理与Sklearn库实现 机器学习实战
接触机器学习时间不长，最先接触的就是比较基础的KNN算法和手写数字识别，正好《机器学习实战》这本书第二章又讲到了手写数字识别，就写一些自己的心得体会，同时也要感谢同学的热心帮助。最先接触时，对KNN，Kmeans还不够深入了解，慢慢的才知道，KNN是有监督学习和Kmeans是无监督学习的区别。废话不多说，KNN算法又叫K-近邻算法，其分类思想是测量不同特征值之间的距离从而进行分类。K近...
2018-03-20 20:48:20
763
Scala areOnJava8() 代码形式
2022-07-18
TA创建的收藏夹 TA关注的收藏夹
TA关注的人