2015年08月_fengsser

09月 08月 07月 06月 04月

原创机器学习实践学习笔记4 naïve Bayes

朴素贝叶斯（naïve Bayes）工作原理：朴素贝叶斯之所谓为“朴素”，是因为整个形式化过程只做最原始，最简单的假设。朴素贝叶斯是贝叶斯决策伦的一部分，贝叶斯决策伦的核心思想是：选择具有最高概率的决策。优点：在数据较少的情况下仍然有效，可以处理多类别问题缺点：对于输入数据的准备方式较为敏感适用数据类型：标称型数据使用朴素贝叶斯进行文档分类：

2015-08-30 14:29:00 1769

原创机器学习实践学习笔记3 decision trees

决策树（decision trees）工作原理：决策树属于监督类型的算法，同样，我们有数据集，知道每一条数据的分类。然后我们按照某种规则，选取数据集上的特征作为分割点，把数据集进行划分。循环重复以上动作，直至所有数据集各自的分类都是唯一的，或者所有特征已经被选择无法再进行划分。使用何种规则进行特征的选取下文将会叙述。优点：计算复杂度不高，输出结果易于理解，对中间值的缺失

2015-08-28 17:03:44 2147

原创机器学习实践学习笔记2 Classifying with k-Nearest Neighbors

1.k-近邻算法（k-Nearest Neighbors,kNN）工作原理： knn算法属于监督类型算法。首先我们有样本训练集，知道每一条数据的分类。继而，我们输入没有分类的新数据，将新数据的每个特征与样本集中的对应项进行比较，提前样本集中最相思的数据，这样我们可以获得该数据的分类。一般来说，我们只选择样本集中前k个最相似的数据，通常k不大于20.最后，选择k个相似数据中出现最多的分类，作为

2015-08-23 23:18:13 5911 5

原创机器学习实践学习笔记1 Machine learning basics

1.例子：通过特征，预测鸟兽的种类。 2.分类：有监督学习：分类和回归。分类主要任务是将实例数据划分到合适的分类中。回归的主要任务是预测熟知类型数据。监督学习类算法必须要知道预测什么。无监督学习：数据没有类别信息，也不会给定目标值。在无监督学习中，将数据集合分成由类似的对象组成的多个类的过程被称为聚类(clustering)。将寻找描述数据统计值的

2015-08-22 16:36:18 922 1

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 机器学习实践 学习笔记4 naïve Bayes

原创 机器学习实践 学习笔记3 decision trees

原创 机器学习实践 学习笔记2 Classifying with k-Nearest Neighbors

原创 机器学习实践 学习笔记1 Machine learning basics

空空如也

空空如也

原创机器学习实践学习笔记4 naïve Bayes

原创机器学习实践学习笔记3 decision trees

原创机器学习实践学习笔记2 Classifying with k-Nearest Neighbors

原创机器学习实践学习笔记1 Machine learning basics