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