机器学习
主要讲一些机器学习的方法
Elenstone
这个作者很懒,什么都没留下…
展开
-
机器学习最易懂之EM算法详解与python实现
文章目录0、前言1、EM算法引入EM算法推导逼近证明收敛高斯混合分布总结混合高斯分布模型E步主要计算内容M步 主要计算内容参考博客0、前言EM算法是机器学习十大算法之一,它很简单,但是也同样很有深度,简单是因为它就分两步求解问题,E步:求期望(expectation)M步:求极大(maximization)深度在于它的数学推理涉及到比较繁杂的概率公式等,所以本文会介绍很多概率方面的知...原创 2020-04-25 20:46:49 · 3894 阅读 · 2 评论 -
机器学习最易懂之贝叶斯模型详解与python实现
文章目录0、前言1、生成模型与判别模型2、知识点梳理sklearn接口1. 相关概念2. 先验概率、条件概率3. 贝叶斯决策理论4. 贝叶斯公式极大似然估计朴素贝叶斯分类器5. 极值问题情况下的每个类的分类概率6. 下溢问题如何解决7. 零概率问题如何解决?8. sklearn参数详解9. 优缺点10. 参考文献0、前言1、生成模型与判别模型2、知识点梳理相关概念(生成模型、判别模型)...原创 2020-04-23 21:15:59 · 7520 阅读 · 1 评论 -
机器学习最易懂之线性回归模型的基本原理和python实现
文章目录0、前言1、线性回归的概念1.1 线性回归的原理1.2 线性回归的一般形式:1.3 概率角度的诠释为什么使用均方误差?2、线性回归损失函数、代价函数与目标函数2.1 L1正则——Lassio回归2.2 L2正则——Ridge回归2.3 Elastic Net回归3、线性回归的优化方法3.1 梯度下降法3.2 最小二乘法矩阵求解3.3 牛顿法3.4 拟牛顿法4、线性回归的评价指标5、skle...原创 2020-04-21 16:53:43 · 1551 阅读 · 0 评论 -
机器学习最易懂之决策树(DecisionTree)模型详解与python代码实现
目录0 前言1 决策树模型2 决策树模型的学习2.1 决策树学习流程2.2 决策树的特征选择2.2.1 信息增益0 前言决策树,也可以称为判定树,是一种最基本的算法,可以用于分类,也可以用于回归(本文主要讲用于分类的)。决策树的思想和我们日常思考问题的方式相同,首先考虑自己觉得最重要的因素,再考虑次要的因素,而这的因素就对应机器学习中的特征。例如,我们要判断一个西瓜的好坏,在进行判断时,通常会...原创 2020-04-07 16:59:44 · 1728 阅读 · 0 评论