![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 86
cav_kd
这个作者很懒,什么都没留下…
展开
-
机器学习——损失函数(个人笔记)
机器学习——损失函数前言:在开始学习损失函数的时候,可能大家都会觉得是关于数学的会非常晦涩难懂,但是你们要从根源去学习这个概念,**“损失”**函数,以及这个函数和概率之间的关系。概念:损失函数是用来估量模型的预测值F(X)与真实值Y的不一致程度损失函数大致分为两类:分类回归回归——损失函数均方误差(Mean Square Error,MSE)在这里插入图片描述特点:会扩大大于一的误差的权重,缩小小于一的误差的权重,造成离群点对预测干扰较大,但是不容易产生震荡平均绝对误原创 2020-06-15 21:43:16 · 333 阅读 · 0 评论 -
机器学习算法--分类决策树(ID3算法)--超详细
分类决策树在学习分类决策树之前,我们先换个角度来观察我们的世界,我们原本的世界一切都是有自己的固定含义的,对吧,树就是树,花就是花。现在我们将所有的这些概念都扔掉!没错,就是扔掉。将一切的东西开始分解,分解成一个个特征。就像氧气,它的组成是O2,于是它的特征就是O(O原子)和2(2个)。在不知道这两个特征之前,关于氧气的一切都是混乱的,不确定的,也就是熵是最大的,当我们知道了氧气是由氧原子组成,这是关于氧气的概念的熵开始减小,当我们知道是由两个氧原子组成的时候,氧气的概念的熵为0,也就是稳定。于是氧气的概原创 2020-06-10 22:30:36 · 3071 阅读 · 4 评论 -
机器学习算法—朴素贝叶斯(分类方法)超详细!!!
机器学习算法—朴素贝叶斯(分类方法)超详细!!!相关概率论知识:注:以下公式希望大家可以自己推导一下,有助于更好的理解我们的朴素贝叶斯算法,这一次的讲解,只是为了入门的宝贝可以更好的理解和 开始学会运用算法,后面的更新,将会是对于朴素贝叶斯算法的优化,基于这个例子的优化1、相互独立事件:假设A、B相互独立,那么有:**乘法公式:**P(AB)=P(A)*P(B)2、表示事件B已经发生的前提下,事件A发生的概率,叫做事件B发生下事件A的条件概率。贝叶斯准则告诉我们,如果已知P(A|B),要求P(B|原创 2020-06-05 20:48:17 · 4424 阅读 · 6 评论