Mays_day的博客

k近邻算法 转载 2017年07月25日 16:23:17 标签：

带你搞懂朴素贝叶斯分类算法带你搞懂朴素贝叶斯分类算贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。而朴素朴素贝叶斯分类是贝叶斯分类中最简单，也是常见的一种分类方法。这篇文章我尽可能用直白的话语总结一下我们学习会上讲到的朴素贝叶斯分类算法，希望有利于他人理解。1  分类问题综述 对于分类问题，其实谁都不会陌生，日常生活中我们

拉普拉斯平滑处理 Laplace Smoothing 背景:为什么要做平滑处理? 　　零概率问题，就是在计算实例的概率时，如果某个量x，在观察样本库（训练集）中没有出现过，会导致整个实例的概率结果是0。在文本分类的问题中，当一个词语没有在训练样本中出现，该词语调概率为0，使用连乘计算文本出现概率时也为0。这是不合理的，不能因为一个事件没有观察到就武断的认为该事件的概率是0。 拉普拉斯的理论

碍于这学期课程的紧迫，现在需要尽快从课本上掌握一些ML算法，我本不想经过danger zone，现在看来却只能尽快进入danger zone，数学理论上的缺陷只能后面找时间弥补了。 如果你在读这篇文章，希望你不要走像我一样的道路，此举实在是出于无奈，尽量不要去做一个心急的程序员，应当分清楚哪些资源是过了学生时期就不再容易获得的。朴素贝叶斯算法简述不同于前面说的k-近邻算法，贝叶斯

安科第一面面试的是图像处理方面的实习生，安科主要做的是医学图像后期处理 面试我的应该是个技术部门的主管，随便聊了聊关于神经网络方面的知识。 印象最深的是CNN，卷积神经网络中的卷积是怎么样卷的。当时一脸蒙蔽，印象中记得是矩阵发生运算，具体怎么运算，上课的时候有人讲过，自己当时没认真听讲忘记了。现在回过头来补下关于卷积的操作。1、卷积操作卷积就是矩阵直接的点积（对应元素乘积的和）...