面试算法
文章平均质量分 65
dinkwad
这个作者很懒,什么都没留下…
展开
-
面试算法(二)—KNN
最近看了一下KNN相关内容,做下总结;大致过一下李航的书中KNN的讲解:统计学习方法中只讨论了分类K近邻法,先讲了KNN的算法流程,KNN的模型实际上是对特征空间做了一次划分,kd树中的每个节点对应了k维空间划分中的一个超矩形区域,KNN中用到了距离度量,使用的距离度量类型有Lp距离,这个明科夫斯基距离定义公式可以引申出曼哈顿距离,欧式距离和切比雪夫距离,随后讲到了K值的选择,过小则容易过拟合,过原创 2017-12-26 16:56:23 · 3294 阅读 · 0 评论 -
面试算法(一)—朴素贝叶斯
朴素贝叶斯 先大致过一遍最近看的朴素贝叶斯内容,李航的书先讲什么是先验概率、条件概率和后验概率;朴素贝叶斯的朴素是因为假设了特征条件独立,这样减少了大量的参数计算;而后介绍了如何由贝叶斯公式推出朴素贝叶斯的分类原理,主要在计算参数时候运用了极大似然估计,通过后验概率最大化得到正确的类别;这个后验概率最大化可以证明等价于期望风险最小化。随后介绍了平滑方法,防止条件概率为0的情况出现。 下原创 2017-12-19 14:31:46 · 2122 阅读 · 0 评论