![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
统计学习方法笔记
bujidaodxbc
这个作者很懒,什么都没留下…
展开
-
统计学习方法笔记(五)
决策树 优点:模型具有可读性,分类速度快。 学习时,利用训练数据,根据损失函数最小化的原则建立决策树模型。 预测时,对新的数据,利用决策树模型进行分类。 决策树学习通常包括3个步骤:特征选择、决策树的生成和决策树的修剪。 1 决策树模型与学习 决策树模型 **决策树(decision tree)**分类决策树是一种描述对实例进行分类的树形结构。决策树由结点(node)和有向边(directed e...原创 2020-02-11 21:19:58 · 200 阅读 · 0 评论 -
统计学习方法笔记(四)
朴素贝叶斯法 (naive Bayes) 基于贝叶斯定理和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,对给定的输入x,利用贝叶斯定理求出后验概率最大的输出y。 朴素贝叶斯法的学习和分类 基本方法 朴素贝叶斯法通过训练数据集学习联合概率分布P(X,Y)。具体地,学习以下先验概率分布及条件概率分布。 朴素贝叶斯法对条件概率分...原创 2020-02-11 14:14:36 · 138 阅读 · 0 评论 -
统计学习方法笔记(三)
k近邻法 k近邻法(k-nearest neighbor,k-NN)。输入为实例的特征向量,对应于特征空间中的点;输出为实例的类别,可以取多类。 3.1 k近邻算法 算法简述:给定一个训练数据集,随新的输入实例,在 ...原创 2020-02-06 18:55:12 · 199 阅读 · 0 评论 -
统计学习方法笔记(二)
感知机 首先,什么是感知机(perceptron):一种二类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(特征空间)中将实例划分为正负两类的分离超平面,属于判别模型。 感知机模型 别被分成正、负两类。超平面S称为分离超平面(separating hyperplane)。 感知机学习:由训练数据集(实例的特征向量及类别)求得感知机模型(2....原创 2020-02-05 17:51:35 · 91 阅读 · 0 评论 -
统计学习方法笔记(一)
统计学习方法概论 1.1 统计学习 统计学习(statistics learning):计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析。也称为统计机器学习(statistics machine learning)。 统计学习的特点: 以计算机及网络为平台,是建立在计算机及网络之上的; 以数据为研究对象,是数据驱动的学科; 目的是对数据进行预测与分析; 统计学习以方法为中心,统计学习...原创 2020-02-02 17:26:15 · 615 阅读 · 0 评论