- 博客(4)
- 收藏
- 关注
RSS订阅原创 《统计学习方法》读书笔记——朴素贝叶斯法（公式推导+代码实现）
朴素贝叶斯法写在前面写在前面朴素贝叶斯法与贝叶斯估计是不同的概念。 损失函数与风险函数损失函数用于度量一次预测的好坏；风险函数用于度量平均意义下模型的好坏。全概率公式与逆概率公式设A1,A2,...,AnA_1,A_2,...,A_nA1,A2,...,An为一组完备事件组，则对任一事件BBB，有如下全概率公式：P(B)=∑i=1nP(Ai)P(B∣Ai)P(B) =\sum_{i=1}^nP(A_i)P(B|A_i)P(B)=i=1∑nP(Ai)P(B∣Ai)若P(B
2020-08-26 10:04:41
741
原创 《统计学习方法》读书笔记——K近邻法（原理+代码实现）
K近邻法一、K近邻法K近邻法（(k-nearest neighbor），简称KNN，是一种基本的分类算法。其描述如下：给定一个数据集与待分类样本xxx，分类时，在数据集中找出K个与xxx最近邻的样本。根据这K个样本的类别，通过多数表决等方式进行预测xxx的类别。注：K近邻法没有显式的学习过程二、K近邻法模型k 近邻法使用的模型实际上对应于对特征空间的划分。K近邻法模型有三个基本要素：距离度量、K值的选择、分类决策规则。特征空间中，对每个训练样本xix_ixi，距离该点比其他点更近的所有点
2020-08-22 17:31:18
723
原创 《统计学习方法》读书笔记——感知机（原理+代码实现）
感知机一、感知机的定义假设输入空间 X⊆Rn\mathcal{X}\subseteq{\mathcal{R^n}}X⊆Rn，输出空间Y={+1,−1}\mathcal{Y} = \{+1, -1\}Y={+1,−1}；输入x∈Xx\in\mathcal{X}x∈X表示样本的特征向量，输出y∈Yy\in\mathcal{Y}y∈Y表示样本的类别。则由输入空间到输出空间的映射（函数）f(x)=sign(w⋅x+b)f(x)=sign(w \cdot x + b)f(x)=sign(w⋅x+b)称为
2020-08-17 19:53:23
554
原创 《统计学习方法》读书笔记——机器学习常用评价指标
机器学习常用评价指标本文介绍机器学习中常见的评价指标，包括准确率、精确率、召回率、F1F_1F1，后续会添加对其它评估指标的介绍。一、概念在二分类问题中，对于一个训练数据集，我们将数据样本分为正类（positive class）与负类（negative class）。因此分类器对样本的预测结果可分为以下四种情况：TP(true positive): 将正类预测为正类的个数，FN(false negative): 将正类预测为负类的个数FP(false positive): 将负类预测为正类的
2020-08-16 12:25:16
516
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人