![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 85
qingyangfeng
这个作者很懒,什么都没留下…
展开
-
《统计学习方法》学习笔记-生成模型与判定模型
监督学习的任务就是学习一个模型,应用这一模型,对给定的输入预测对应的输出。这个模型的一般形式为决策函数: Y=f(X)Y=f(X)Y=f(X) 或者条件概率分布: P(Y|X)P(Y|X)P(Y|X) 监督学习方法又可以分为生成方法和判别方法,所学到的模型称为生成模型和判别模型。 生成方法由数据学习联合概率分布P(X,Y)P(X,Y)P(X,Y),然后求出条件概率分布P(Y|X)P(Y|...原创 2018-08-11 09:40:35 · 218 阅读 · 0 评论 -
基于概率论的朴素贝叶斯法的分类方法及其应用(一)
1 基于贝叶斯的决策理论的分类方法优点:在数据较少的情况下仍然有效,可以处理多类别问题。缺点:对于输入数据的准备方式比较敏感。使用数据类型:标称型数据。贝叶斯决策理论我们现在用p1(x,y)表示数据点(x,y)属于类别1(图中用圆点表示的类别)的概率,用p2(x,y)表示数据点(x,y)属于类别2(图中用三角形表示的类别)的概率。对于一个新数据点,可以用下面的规则判定它的类别:如果...原创 2018-11-06 18:43:25 · 1246 阅读 · 0 评论 -
机器学习之决策树算法(一)
文章目录0 引言1 决策树模型与学习1.1 决策树模型1.2 决策树与if-then规则1.3 决策树与条件概率分布1.4 决策树学习2 特征选取2.1 信息增益0 引言 决策树是一种基本的分类和回归方法。决策树模型呈树形结构,在分类问题中,表示基于特征对实例进行分类的过程。可以认为是if-then规则的集合,也可以认定是定义在特征空间与类空间上的条件概率分布。其主要特点是模型具有可读性,分...原创 2018-11-12 15:53:31 · 439 阅读 · 1 评论