算法杂货铺
文章平均质量分 93
五仁月饼哭了
海阔凭鱼跃,天高任鸟飞。
展开
-
贝叶斯分类算法值贝叶斯网络
2.1、摘要 在上一篇文章中我们讨论了朴素贝叶斯分类。朴素贝叶斯分类有一个限制条件,就是特征属性必须有条件独立或基本独立(实际上在现实应用中几乎不可能做到完全独立)。当这个条件成立时,朴素贝叶斯分类法的准确率是最高的,但不幸的是,现实中各个特征属性间往往并不条件独立,而是具有较强的相关性,这样就限制了朴素贝叶斯分类的能力。这一篇文章中,我们接着上一篇文章的例子,讨论贝叶斯分类中更转载 2016-08-04 16:36:14 · 917 阅读 · 0 评论 -
马尔科夫随机过程&马尔科夫随机场
一、理论介绍1.马尔科夫随机过程它是一类随机过程。它的原始模型马尔可夫链,由俄国数学家A.A.马尔可夫于1907年提出。该过程具有如下特性:在已知目前状态 (现在)的条件下,它未来的演变 (将来)不依赖于它以往的演变 ( 过去 ) 。 例如森林中动物头数的变化构成——马尔可夫过程。在现实世界中,有很多过程都是马尔可夫过程,如液体中微粒所作的布朗运动、传染病受感染的人数、车站的候车人原创 2016-08-04 15:47:34 · 1898 阅读 · 0 评论 -
分类算法—决策树
本科时毕业论文就是有关决策树的,当时稀里糊涂不知怎么过关的,如今又要用到决策树,顺便把它整理下来。一、决策树概念 决策树(decision tree)是一个树结构(可以是二叉树或非二叉树)。其每个非叶节点表示一个特征属性上的测试,每个分支代表这个特征属性在某个值域上的输出,而每个叶节点存放一个类别。使用决策树进行决策的过程就是从根节点开始,测试待分类项中相应的特征属性原创 2016-08-05 16:20:37 · 882 阅读 · 0 评论 -
Adaboost 算法的原理与推导
Adaboost 算法的原理与推导 0 引言 一直想写Adaboost来着,但迟迟未能动笔。其算法思想虽然简单:听取多人意见,最后综合决策,但一般书上对其算法的流程描述实在是过于晦涩。昨日11月1日下午,在我组织的机器学习班 第8次课上Z讲师讲决策树与Adaboost,其中,Adaboost讲得酣畅淋漓,讲完后,我知道,可以写本篇博客了。 无心啰嗦,本文结合机器学习班决转载 2016-10-29 14:14:16 · 448 阅读 · 0 评论 -
算法之朴素贝叶斯分类(Naive Bayesian classification
一、摘要 贝叶斯分类是一类分类算法的总称,这类算法以贝叶斯定理为基础,所以统称为贝叶斯分类。二、分类问题综述 已知集合:和,确定映射规则,使得任意有且仅有一个使得成立。那么,C叫做类别集合,其中每一个元素是一个类别;I叫做项集合,其中每一个元素是待分类项;f是分类器。分类算法的任务就是构造分类器。 这里要着重强调,分类问题往往采用原创 2016-08-04 12:22:18 · 661 阅读 · 0 评论