![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
carson0408
热衷于编程,喜欢研究算法,挑战难题,享受AC的过程,希望自己能够不断进步,不断成长。
展开
-
决策树
1. 信息熵:度量样本集合纯度最常用的一种指标;信息熵Ent(D)越小,则样本集D的纯度越高Ent(D)= E[ log(2,1/p(xi)) ] = -∑pklog(2,pk) (i=1,2,..n);pk是指第k类样本所占比例(此处分类则根据标签划分类)信息增益(ID3决策树的准则):离散属性a有V个值,对D按照a进行划分,会产生V个分支点,其中第v个分支点包含了D中属性a取值为a原创 2017-08-24 17:58:25 · 1314 阅读 · 0 评论 -
机器学习(周志华)第四章习题解答
转自:http://blog.csdn.NET/wzmsltw/article/details/51059394本文是对周志华的《机器学习》的习题解答,文章整理的很好,为方便之后查看,记录如下~~~~注:本文中的代码均使用Python,常用工具包包括 pandas,scikit-learn,numpy, scipy,matplotlib等。4.1试证明对于不含冲突数据(即特转载 2017-08-24 19:09:32 · 11306 阅读 · 0 评论 -
BAT机器学习面试1000题系列
BAT机器学习面试1000题系列整理:July、德伟、立娜、贾茹、王剑、孟莹等众人。本系列大部分题目来源于公开网络,取之分享,用之分享,且在撰写答案过程中若引用他人解析则必注明原作者及来源链接。另,不少答案得到寒小阳、管博士等七月在线名师审校。说明:本系列作为国内首个AI题库,自2017年9月28日开始,每周持续更新。首发于七月在线实验室公众号上:julye转载 2017-11-30 18:58:18 · 6373 阅读 · 0 评论 -
贝叶斯分类器
贝叶斯定理:贝叶斯定理是关于随机事件A和B的条件概率(或边缘概率)的一则定理。其中P(A|B)是指在B发生的情况下A发生的可能性。贝叶斯定理也称贝叶斯推理,早在18世纪,英国学者贝叶斯(1702~1763)曾提出计算条件概率的公式用来解决如下一类问题:假设H[1],H[2]…,H[n]互斥且构成一个完全事件,已知它们的概率P(H[i]),i=1,2,…,n,现观察到某事件A与H[1],H[2]原创 2017-09-11 16:38:00 · 1547 阅读 · 0 评论