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
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）
三.决策树
四.逻辑斯蒂回归
- 逻辑斯蒂回归是对数几率中的线性回归
五.支持向量机
六.EM算法
13万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
