机器学习中的算法系列

机器学习中的算法系列

k近邻法:

T = {(x1,y1),(x2,y2),…,(xn,yn)}
待分离样本(x,y)
1.根据距离度量和k值计算Nk(x)
2.根据分类决策规则计算类别y
在这里插入图片描述
改进后:
T = {(x1,y1),(x2,y2),…,(xn,yn)}
待分离样本(x,y)
1.根据T中的样本构建kd树
2.根据距离度量,运行k次kd树搜索,计算Nk
(x)。
3.根据分类决策规则,计算新样本的类别y

二.朴素贝叶斯法

T = {(x1,y1),(x2,y2),…,(xn,yn)}
xi=(x^1 …x^n)
yi=ck,其中k=1…k
P(y=ck|x)&P(y= ck)P(x|y= ck
在这里插入图片描述

三.决策树

在这里插入图片描述
在这里插入图片描述

四.逻辑斯蒂回归

在这里插入图片描述

  • 逻辑斯蒂回归是对数几率中的线性回归
    在这里插入图片描述

五.支持向量机

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

六.EM算法

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值