![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数据挖掘 、知识发现、机器学习、分类
文章平均质量分 92
cxjoker
精通大数据算命、人工智障、自然语言混乱、数据隐藏
展开
-
机器学习实战之决策树
花了差不多一个星期,终于把《机器学习实战》这本书的第三章的决策树过了一遍,对于一个python渣渣来说,确实是着实不容易,好多代码都得一个一个的去查,所以整体上进度比较慢,再加上中间开了一篇关于自然语言处理和产品知识库构建的文章,导致进度及其之慢,但是总体上对代码的理解足够深刻,知道了整体决策树中ID3的一个具体编法和流程,但是得有一定决策树得基础,有兴趣得可以去看看南京大学周志华的《机器...原创 2018-03-09 19:36:20 · 13757 阅读 · 9 评论 -
贝叶斯系列:(三)贝叶斯网络
贝叶斯网络是一种信念网,基于有向无环图来刻画属性之间的依赖关系的一种网络结构,并使用条件概率表(CPT)来描述联合概率分布。 具体来所,一个贝叶斯网络B由结构G和参数 两部分构成,B=(G, ),网络结构G是一个有向无环图,点对应每一个属性,设父节点为π,所以包含了每个属性的条件概率表为,如图所示: 结构 以结构表达了属性之间的条件独立性,给定父节点集,假设每个属性与...原创 2018-08-20 21:29:57 · 42348 阅读 · 10 评论 -
机器学习实战之利用Adaboost元算法提高分类性能
Adaboost算法基本思想 Adaboost是最有代表性的boosting算法,它主要的思想就是根据上一次的分类结果自适应地调整下一次分类的权重,具体方法如下: 设上一次的分类结果错误率为:...原创 2018-09-10 20:46:52 · 585 阅读 · 0 评论 -
《机器学习实战》基于概率论的分类方法:朴素贝叶斯
朴素贝叶斯是贝叶斯系列算法中应用最广的方法,贝叶斯方法最早由应该统计学家Thomas Bayes提出,其实简单的理解的话就是根据已经发生的某些情况来确定某事件发生的概率,而朴素贝叶斯的“朴素”指的是假设样本的所有特征都独立。核心公式理解简单了就是条件概率公式: P(A|B)=P(B|A)*PA/P(B)=P(AB)/P(B) 由于前面已经写过朴素贝叶斯...原创 2018-09-10 21:47:24 · 560 阅读 · 0 评论 -
《机器学习实战》之logistic回归
一、Logistic算法###恶搞如果个个日文歌减肥药原创 2018-10-10 19:36:13 · 494 阅读 · 0 评论