![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
统计机器学习算法及代码
文中主要介绍感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯蒂回归与最大熵模型、支持向量机、提升方法、EM算法及其推广、隐马尔可夫模型、条件随机场、聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫蒙特卡罗法、潜在狄利克雷分配、PageRank算法
keepingwalk
自律
展开
-
朴素贝叶斯算法原理数学公式案例及python代码
本文先通过介绍简单的案例来了解贝叶斯定理。案例如下:例: 一口袋里有3只红球,2只白球,采取不放回方式摸取,求:(1) 第一次摸到红球(记做A)的概率; (2) 第二次摸到红球(记做B)的概率; (3) 已知第二次摸到了红球,求第一次摸到的是红球的概率。解: (1) P(A)=0.6P(A)=0.6P(A)=0.6 #这就是先验概率(2) P(A’)=0.4,P(B∣A)=0.5,P(B∣A′=0.75,P(B)=P(B∣A)∗P(A)+P(B∣A’)∗P(A′)=0.6P(A^{’})=0.4,原创 2020-12-23 21:56:53 · 841 阅读 · 0 评论 -
k近邻法算法原理数学公式案例及python代码
k近邻法算法原理数学公式案例及python代码k近邻法(k-nearest neighbor,k-NN)是一种基本的分类与回归方法,在此主要讨论分类问题中的k近邻法。k近邻法算法思想:假设给定一个训练数据集,kNN中输入为实例的特征向量,对应于空间中的点;输出为实例的类别,可以有多类。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。因此,kNN不具有显式的学习过程。kNN实际上是利用训练数据集对特征向量空间进行划分,并作为其分类的"模型",k值的选择、距离度量及分类决策原创 2020-11-02 22:58:09 · 1859 阅读 · 0 评论 -
感知机学习算法原理公式实例及python代码
本文感知机(perceptron)主要讲解原理、相关的公式、算法并通过举例计算来理解感知机算法的过程,最后附上相关的python代码。若想要详细的了解感知机公式的每一步推导过程及证明,本文不适合您。 感知机原理公式实例及Python代码感知机是二类分类的线性分类模型,其中输入为实例的特征向量,输出为它的类别,可以取-1和+1两种。当然,输出也可以取其他的两种值,例如a和b,对和错,这里的-1和+1只是一个标签而已。感知机对应于特征空间(可以是二维,...原创 2020-10-26 22:45:54 · 11465 阅读 · 6 评论