机器学习
文章平均质量分 91
hunnybub
这个作者很懒,什么都没留下…
展开
-
统计学习方法笔记(四):决策树
1)模型描述:分类决策树模型是一种描述对实例进行分类的树形结构.决策树由结点(node)和有向边(directed edge)组成.结点有两种类型:内部结点(internal node)和叶结点(leaf node).内部结点表示一个特征或属性,叶结点表示一个类.2)学习过程:用决策树分类,从根结点开始,对实例的某一特征进行测试,根据测试结果,将实例分配到其子结点;这时,每一个子结点对应着该特征的一个取值.如此递归地对实例进行测试并分配,直至达到叶结点.最后将实例分到叶结点的类中。原创 2024-02-17 18:04:08 · 610 阅读 · 0 评论 -
Unity的ML-agent训练教程(附环境配置流程)
1)创建虚拟环境接下来提过指令激活虚拟环境Unity2)在虚拟环境内配置需要用的库在GitHub上下载unity官方的ml-agent包仓库,下载到位置在anaconda prompt通过依次输入指令导入库文件一般会因为网速问题导致报错超时,可将指令改为如下形式或等待提示导入完成后输入指令若出现提示文本,则环境配置成功。原创 2024-02-13 22:18:32 · 3393 阅读 · 4 评论 -
统计学习方法笔记(三):朴素贝叶斯法
对于给定的训练数据集,首先基于特征条件独立假设学习输入/输出的联合概率分布;然后基于此模型,对给定的输入 x ,利用贝叶斯定理求出后验概率最大的输出 y为方便描述,进行以下设定:设训练数据集为Tx1y1x2y2xNyNT{(x1y1x2y2...xNyN)}输入为特征向量x,输出为类标记ci,满足以下关系x∈χ⊆RnΓc1c2cKi12Kx∈χ⊆RnΓc1。原创 2024-02-13 21:53:37 · 2027 阅读 · 4 评论 -
统计学习方法笔记(二):k近邻法
k 近邻法的输入为实例的特征向量,对应于特征空间的点;输出为实例的类别,可以取多类. k 近邻法假设给定一个训练数据集,其中的实例类别已定.分类时,对新的实例,根据其 k 个最近邻的训练实例的类别,通过多数表决等方式进行预测。原创 2024-02-13 21:50:33 · 1621 阅读 · 1 评论 -
统计学习方法笔记(一):感知机
定义:在几何中,超平面指的是比所处空间少一个维度的子空间。简单解释:0维的点可以把1维的线分成两部分,1维的线可以把2维的面分成两部分,2维的面可以把3维的体分成两部分,n-1维的子空间可以把n维空间分成两部分,超平面就是这个n-1维子空间,它就像3维空间中的平面,可以用来分割n维空间。原创 2024-02-13 21:46:57 · 919 阅读 · 1 评论