- 博客(2)
- 收藏
- 关注
RSS订阅原创 机器学习笔记2-基于决策树的分类预测
目录 决策树介绍 决策树算法原理 决策树（Decision Tree）是一种以树形数据结构来展示决策规则和分类结果的模型，它是将看似无序、杂乱的已知实例，通过某种技术手段将它们转化成可以预测未知实例的树状模型。每一条从根结点（对最终分类结果贡献最大的属性）到叶子结点（最终分类结果）的路径都代表一条决策的规则。 决策树也是一种监督学习的分类算法，要求输入标注好类别的训练样本集，每个训练样本由若干个用于分类的特征来表示。决策树算法的训练目的在于构建决策树，希望能够得到一颗可以将训练样本按其类别进行划分的决策树。
2020-08-25 08:24:41
579
原创 机器学习笔记-基于逻辑回归的分类预测
逻辑回归介绍 逻辑回归（Logistic regression，简称LR）虽然其中带有"回归"两个字，但逻辑回归其实是一个分类模型，并且广泛应用于各个领域之中。 虽然翻译为逻辑，但是Logistic的语义来自Logarithm：对数，更能体现逻辑回归的本质。 而对于逻辑回归而言，最为突出的两点就是其模型简单和模型的可解释性强。 逻辑回归模型的优劣势: 优点：实现简单，易于理解和实现；计算代价不高，速度很快，存储资源低；输出值具有概率意义；支持多分类。 缺点：容易欠拟合，分类精度可能不高。 逻辑回归的应用场景
2020-08-20 19:07:41
201
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