- 博客(5)
- 收藏
- 关注
原创 无监督学习和监督学习的用途
来自于机器学习实战,让我们开启算法之旅吧用于执行分类、回归、聚类和密度估计的机器学习算法监督学习的用途:K—近邻算法 线性回归 朴素贝叶斯算法 局部加权线性回归 支持向量机 RIdge回归 决策树 Lasso最小回归系数估计无监督学习的用途:K-均值 最大期望算法 DBSCAN Parzen窗设计 监督学习是这类算法必须知道预测什么,即目标
2015-08-28 11:01:50 1788
原创 KCore算法
KCore算法思想:为了减轻k均值算法对孤立点的敏感性,k中心点算法不采用簇中对象的平均值作为簇中心,而选用簇中离平均值最近的对象作为簇中心。
2015-08-27 17:19:34 7006 1
原创 Kmeans算法
来自于百度百科Kmeans定义:最为经典的基于划分的聚类方法算法流程:从n个数据对象任意选择K个对象Kmeans算法算法接受参数K;然后将事先输入的n个数据对象划分为K个聚类以便使得所获得的聚类满足:同一聚类中的对象相似度较高;而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个”中心对象“(引力中心)来进行计算的。基本思想:以空间
2015-08-27 16:39:30 629
原创 KNN邻近算法
邻近算法,或者说K最近邻(KNN,K-NearestNeighbor)分类算法K最近邻,就是K个最近的邻居的意思,说的是每个样本都可以用它最接近的K个邻居来代表KNN算法的核心思想是如果一个样本在特征空间中的K的最相邻的样本中的大多数属于某一个类别,则该样本也属于这个类别,并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待样本所属的类别。KNN在
2015-08-27 15:41:35 908
原创 麦肯锡—思考
最近,抽出时间阅读了一本书,《麦肯锡教我思考的武器》。现在是隔了几天写感悟。1、深究议题,此事是否可行,研究的价值多大。根据目前的行业情况是否能做,或者做好。2、不要抱一种没有功劳也有苦劳的那种思维方式,这是败者之路3、多问几个so what?4、不要被他人的意见所左右,这是你的事情个人感觉最后一点对于我来说很难。最后再附上一个图,说明一个问题 感
2015-08-27 14:42:56 536
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人