![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
Ning_wxh
GoGoGo!!!!
展开
-
线性模型
线性模型 1.给定由d个属性描述的x ={x1x_1x1;x2x_2x2;…;xdx_dxd},其中xix_ixi是x在第i个属性上的取值,线性模型试图通过学得一个通过属性得线性 组合来进行预测的函数。 线性模型是的基本形式是 f(x)=w1x1+w2x2+..+wixi+bf(x)=w_1x_1+w_2x_2+..+w_ix_i+bf(x)=w1x1+w2x2+..+wixi...原创 2019-02-19 14:21:18 · 309 阅读 · 0 评论 -
SVM 垃圾邮件分类
SVM 垃圾邮件分类 前言 -之前在学习SVM理论的时候,一边照着别人的思路做了这个实战,SVM只是调用sklean的,主要学习的还是对数据的处理,如何构建一个好的特征向量去学习得到一个好的模型。在这里做下笔记。 实战思路: 主要的目标是为了提取特征向量,然后进行训练验证。这里采用的思路是:邮件中某个词在多个邮件(设为10)中出现就提取其作为提取特征,即一个词在10封邮件中出现,就选择这个...原创 2019-03-09 10:50:35 · 5338 阅读 · 4 评论 -
SVM 支持向量机简单入门理解
支持向量机SVM 间隔与支持向量 对于分类学习的想法就是基于训练集在样本空间DDD中找到一个划分超平面,将不同类别得样本分开。但超平面有很多,如何找个一个合适的超平面呢?划分超平面应该对训练样本局部扰动的容忍性最好, 在样本空间中,划分超平面可由如下线性方程描述: wTx+b=0w^Tx+b=0wTx+b=0 其中w和b决定了划分超平面。样本空间中任意点到超平面的距离有(点到直线的距离公式): r...原创 2019-03-07 14:53:07 · 328 阅读 · 0 评论 -
决策树 简单理解入门
决策树 介绍 决策树是基于树状结构来进行决策的。决策过程提出的每个判定问题都是对某个属性的测试,测试的结果,或导出决策结果,或导出下一个判定问题,其考虑范围是上一次决策结果的限定范围内。 例如:一个瓜是否为好瓜,可以先判定瓜的色泽=?,然后根据判定结果,导出结果或者下一个判定问题。 一棵决策树包含一个根节点,若干个内部节点和若干个叶节点。叶节点对应于决策结果,而其他每个节点则对应于一个属性测试...原创 2019-03-15 21:34:25 · 599 阅读 · 0 评论