![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
kutim
这个作者很懒,什么都没留下…
展开
-
决策树
决策树 优点:计算复杂度不高,输出结果易于理解,对中间值的缺失不敏感,可以处理不相关特征数据 缺点:可能会产生过度匹配问题 适用数据类型:数值型和标称型决策树的一般流程收集数据:可以使用任何方法准备数据:树构造算法只适用于标称型数据,因此数值型数据必须离散化分析数据:可以使用任何方法,构造树完成之后,我们应该检查图形是否符合预期训练算法:构造树的数据结构测试算法:使用经翻译 2016-12-09 10:21:50 · 742 阅读 · 0 评论 -
基于概率论的分类方法:朴素贝叶斯
朴素贝叶斯 优点:在数据较少的情况下仍然有效,可以处理多类别问题 缺点:对于输入数据的准备方式较为敏感 适用数据类型:标称型数据朴素贝叶斯的一般过程收集数据:准备数据:需要数值型或者布尔型数据分析数据:有大量特征时,绘制特征作用不大,此时使用直方图效果更好训练算法:计算不同的独立特征的条件概率测试算法:计算错误率使用算法:一个常见的朴素贝叶斯应用是文档分类。可以在任意的分类场景中使翻译 2016-12-09 16:28:00 · 455 阅读 · 0 评论