分类算法
Guiqing-Pan
这个作者很懒,什么都没留下…
展开
-
朴素贝叶斯算法
简单记录《统计学习方法》书中的朴素贝叶斯算法。朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法,对于给定的训练数据集,首先基于特征条件独立假设学习输入输出的联合概率分布;然后基于此模型,对给定的输入xxx,利用贝叶斯定理求出后验概率最大的输出yyy。朴素贝叶斯法实现简单,学习与预测的效率都很高,是一种常用的方法。基本概要朴素贝叶斯法是典型的生成学习方法,生成方法由训练数据学习联合概率分布P(X∣Y)P(X|Y)P(X∣Y),然后求得后验概率分布P(Y∣X)P(Y|X)P(Y∣X)。具体来说原创 2020-12-09 10:38:04 · 286 阅读 · 0 评论 -
K邻近算法(K-NN)
简单记录学习《统计学习方法》书中的k近邻模型。k近邻法(k-nearest neighbor,k-NN)是一种基本分类与回归方法。k邻近算法k邻近算犯法简单、直观描述:给定一个训练数据集,对新的输入实例,在训练数据集中找到与该实例最邻近的k个实例,这k个实例的多数属于某个类,就把该输入实例分为这个类。算法描述:输入:训练数据集T={(x1,y1),(x2,y2),(x3,y3),⋯ ,(xN,yN)} T= \lbrace(x_{1},y_{1}),(x_{2},y_{2}),(x_3,y_3)原创 2020-12-02 16:23:39 · 751 阅读 · 0 评论