2017年09月_gzj_1101

11月 10月 09月 07月 03月 02月

原创机器学习笔记(三)之朴素贝叶斯

朴素贝叶斯朴素贝叶斯算法仍然是流行的十大挖掘算法之一，该算法是有监督的学习算法，解决的是分类问题，如客户是否流失、是否值得投资、信用等级评定等多分类问题。该算法的优点在于简单易懂、学习效率高、在某些领域的分类问题中能够与决策树、神经网络相媲美。但由于该算法以自变量之间的独立（条件特征独立）性和连续变量的正态性假设为前提，就会导致算法精度在某种程度上受影响。接下来我们就详细介绍该算法的知识点及实际应用

2017-09-23 18:36:40 697

原创机器学习笔记(二)之决策树

机器学习之决策树基本概念决策树算法是机器学习中一个非常经典的算法，既能够解决分类问题，也能够解决回归问题。一般的，一颗决策树包含一个根节点、若干个内部结点和若干个叶子节点；叶子结点对应于决策结果，其他的结点则对应一个属性测试，每个结点包含的样本集合根据属性测试的结果被划分到子节点中。根节点包含样本全集，从根结点到每一个叶子节点表示的是一个判定结果。决策树学习的目的是为了产生一颗泛化能力强的得决策树

2017-09-14 17:11:40 691

原创机器学习笔记(一)k近邻算法(k-Nearest Neighbor)

k近邻算法(kNN)是监督学习的一种。其原理非常简单：存在一个样本数据集，也称作训练样本集。样本集中的每个数据都存在标签，即知道数据与对应分类的关系。输入新的没有标签的数据，将新的数据的每个特征与样本中的数据特征进行对比，然后利用算法提取出样本集中特征最相似的数据(最邻近)分类标签。一般来说我们只选取样本集中前k个最相似的数据。k近邻算法一般流程:1.选择一种距离计算方式，通过数据所有的特

2017-09-01 19:31:08 814