![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 93
BlueCitizen
砥砺前行
展开
-
感知机
感知机 感知机(perceptron)是二分类的线性分类模型,其输入为实例的特征向量,输出为实例的类别,取+1和-1二值。感知机对应于输入空间中将实例划分为正负两类的分离超平面,属于判别模型。原创 2017-02-22 16:23:17 · 419 阅读 · 0 评论 -
k近邻法
k近邻法 k近算法算法简单、直观:给定一个训练数据集,对于新的输入实例,在训练数据集中找到与该实例最接近的k个实例点。这k个实例点的多数属于某个类,就把该输入实例归于该类。k近邻法的特点:k近邻法不具有显示的学习过程。k近邻实际上是利用训练数据集对特征空间进行划分,并将其作为分类的模型k近邻法的三个基本要素:k值的选择、距离度量方式和分类决策规则。当这三个要素唯一确定后,结果也唯一确定k原创 2017-02-25 14:43:27 · 1068 阅读 · 0 评论 -
使用朴素贝叶斯分类器进行文档分类
朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集,首先基于特征条件独立假设学习输入/输出的联合概率分布;然后基于此模型,对于给定的输入x,利用贝叶斯定理求出后验概率最大的y。之所以称其为“朴素”,就是因为其作出的强假设:特征条件独立。原创 2017-03-04 22:36:41 · 1227 阅读 · 0 评论 -
决策树算法学习笔记
什么是决策树决策是是一种基本的分类与回归方法。决策树称属性结构,在分类问题中,表示基于特征对实例进行分类的过程。它可以分为是if-then规则的集合,也可以是定义在特征空间与类空间上的条件概率分布,其主要优点是模型具有可读性,分类速度快。学习时,利用损失函数最小化原则建立决策树模型。决策树模型学习通常包含3个步骤:特征选择、决策树的生成和决策树的修剪。决策树三种经典的学习算法为ID3、C4.5、CA原创 2017-03-12 23:09:58 · 592 阅读 · 0 评论 -
Recurrent Neural Networks Tutorial阅读笔记
最近看了几篇优秀的RNN入门介绍博客文章,生动形象地讲述了普通的RNN与LSTM的RNN算法原理,并利用RNN实现语言建模来生成语句作为实践案例,完成手把手的RNN入门教学。接下来我主要把这几篇博客的几个关键点总结出来,而原文的内容不做赘述,以避免原作者的重复劳动。以下先给出原文链接。 Part1 Introduction to RNNs Part2 Implementing a RNN wit原创 2017-07-06 17:40:36 · 525 阅读 · 0 评论 -
K-means聚类算法及变种
K-means聚类算法及变种本文对其他的基本介绍文章进行总结,这里先给出链接: http://www.cnblogs.com/yixuan-xu/p/6272208.html http://www.csdn.net/article/2012-07-03/2807073-k-means http://blog.csdn.net/autocyz/article/details/46754167K-转载 2017-09-04 20:07:48 · 1415 阅读 · 0 评论