- 博客(6)
- 资源 (5)
- 问答 (2)
- 收藏
- 关注
RSS订阅原创 《机器学习实战》logistic回归
《机器学习实战》K近邻(KNN)分类《机器学习实战》决策树《机器学习实战》朴素贝叶斯（Naive Bayes）分类 \quad上一章学习了朴素贝叶斯分类器，贝叶斯分类器在文本分类方面表现很好，贝叶斯分类器是基于概率的分类器，而本章的logistic回归也可以说是基于概率的分类，虽然其名为带“回归”两字，其实是一种分类器。Logistic回归采用的是sigmoid函数，其取值在0~1之间。在分类
2017-01-23 21:44:31
412
原创 《机器学习实战》朴素贝叶斯（Naive Bayes）分类
1. 《机器学习实战》K近邻(KNN)分类 2. 《机器学习实战》决策树 \quad对于朴素贝叶斯理论分析可看朴素贝叶斯法及其R实现 ，对于这篇的R实现，只是在这种特殊情况，对于一般的情况并没有实现，所以，本篇文章使用python实现朴素贝叶斯分类的一般方法，并对垃圾邮件进行分类。##word list vector functiondef loadDataSet(): posti
2017-01-20 11:47:16
1003
原创 《机器学习实战》决策树
《机器学习实战》K近邻（KNN）分类 上一章写了K近邻分类（见上链接），本章将学习决策树的python实现，虽然K近邻在大多数的时候工作很好，但是没有一个直观的认识，而决策树可以将分类视觉化，使人们对其分类一目了然，当然，对于大型的决策树还是很难进行阅读的。本次的实现决策树只生成树，画出树图，不剪枝。python实现决策树##function to calculate the S
2017-01-10 20:43:30
327
原创 《机器学习实战》K近邻(KNN)分类
R与Python在机器学习中的比较\quad最近开始用python实现机器学习算法，通过对比R与python实现机器学习算法，本人发现，用python实现算法比R实现算法更好理解。使用python能让你理解算法的每一步是怎样做的，而在R中，只有一个实现算法的函数和其中要设置的参数，虽然只要理解机器学习算法的内容就能知道参数所代表的含义进而设置其中的参数，但是R中的计算就像一个黑盒子，不知道过程是怎样
2017-01-09 16:49:23
500
原创 决策树（二）
分类与回归树（CART）CART树由特征选择、树的生成及树的剪枝组成，可用于分类，也可用于回归。CART假设决策树是二叉树，内部节点特征取值为“是”和“否”。CART算法由以下两步组成： （1）决策树生成： 基于训练数据集生成决策树，生成的决策树要尽量大； （2）决策树剪枝： 用验证数据集对已生成的树进行剪枝并选择最优子树，这时用损失函数最小作为剪枝的标准。最小二乘回归树生成算法输
2017-01-05 17:26:03
886
原创 单位根检验、协整检验和格兰杰因果检验三者之间的关系
实证检验步骤\quad先做单位根检验，看变量序列是否平稳序列，若平稳，可构造回归模型等经典计量经济学模型；若非平稳，进行差分，当进行到第i次差分时序列平稳，则服从i阶单整（注意趋势、截距不同情况选择，根据P值和原假设判定）。若所有检验序列均服从同阶单整，可构造VAR模型，做协整检验（注意滞后期的选择），判断模型内部变量间是否存在协整关系，即是否存在长期均衡关系。如果有，则可以构造VEC模型或者进行G
2017-01-05 11:44:36
53502
8
big data(大数据）
2017-01-01
OpenCV_with_Python_By_Example
2016-12-29
Data Structures and Algorithms with Python
2016-12-29
c语言控制台输出中文乱码问题
2018-03-28
非法类型开始与标识符
2017-08-07
TA创建的收藏夹 TA关注的收藏夹
TA关注的人