机器学习
文章平均质量分 96
qq_40296818
这个作者很懒,什么都没留下…
展开
-
机器学习(四)——逻辑斯蒂回归(Logistic Regression)
机器学习(四)——逻辑斯蒂回归(Logistic Regression)一、算法简介1.1 概念二、Logistic回归理论推导2.1 Logistic回归2.1.1 参数向量θ2.2 梯度上升算法一、算法简介1.1 概念Logistic回归是分类方法,它利用的是Sigmoid函数阈值在[0,1]这个特性。Logistic回归进行分类的主要思想是:根据现有数据对分类边界线建立回归公式,以此进行分类。其实,Logistic本质上是一个基于条件概率的判别模型(Discriminative Model)。原创 2021-02-19 17:16:36 · 1261 阅读 · 1 评论 -
机器学习(三)——朴素贝叶斯(Naive Bayesian)
机器学习(三)——朴素贝叶斯(Naive Bayesian)一、算法简介1.1 概念二、朴素贝叶斯理论2.1 条件概率2.2 全概率公式2.3 贝叶斯推断2.4 朴素贝叶斯推断三、动手实战——评论过滤器四、总结优点缺点一、算法简介1.1 概念决策树(Naive Bayesian)是朴素贝叶斯算法是有监督的学习算法,解决的是分类问题,如客户是否流失、是否值得投资、信用等级评定等多分类问题。二、朴素贝叶斯理论朴素贝叶斯是贝叶斯决策理论的一部分,所以在讲述朴素贝叶斯之前有必要快速了解一下贝叶斯决策理论。原创 2021-02-02 20:25:29 · 813 阅读 · 0 评论 -
机器学习(二)——决策树(DecisionTree)
机器学习(一)——决策树(DecisionTree)一、算法简介1.1 概念1.2 决策树基本构造步骤1.2.1 特征选择一、算法简介1.1 概念决策树(Dicision Tree)是一种基本的分类与回归方法。决策树模型是一种描述对实例进行分类的树形结构。决策树由结点(node)和有向边(directed edge)组成。结点由两种类型:内部结点(internal node)和叶节点(leaf node)。内部结点表示一个特征或属性,叶节点表示一个类。1.2 决策树基本构造步骤一般分三步:特征原创 2021-02-01 19:57:49 · 555 阅读 · 0 评论