- 博客(3)
- 收藏
- 关注
RSS订阅转载 聚类算法-k均值聚类(K-means)
一、简介分类作为一种监督学习方法，要求必须事先明确知道各个类别的信息，并且断言所有待分类项都有一个类别与之对应。但是很多时候上述条件得不到满足，尤其是在处理海量数据的时候，如果通过预处理使得数据满足分类算法的要求，则代价非常大，这时候可以考虑使用聚类算法。聚类属于无监督学习，相比于分类，聚类不依赖预定义的类和类标号的训练实例。本文首先介绍聚类的基础——距离与相异度，然后介绍一种常见的聚类算法——k均值和k中心点聚类。二、相异度计算在正式讨论聚类前，我们要先弄清楚一个问题：如何定量计算两个可比较元
2021-05-08 16:43:41
11966
1
转载 关于贝叶斯网络算法(Bayesian networks)
一、简介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。这一篇文章中讨论贝叶斯分类中更高级、应用范围更广的一种算法——贝叶斯网络（又称贝叶斯信念网络或信念网络）。二、以SNS社区中不真实账号的检测为例进行讨论 之前我们使用朴素贝叶斯分类实现了SNS社区中不真实账号的检...
2021-04-14 15:29:52
4076
转载 关于朴素贝叶斯分类算法(Naive Bayesian classification)
一、简介贝叶斯分类是一类分类算法的总称，算法以贝叶斯定理为基础，所以称为贝叶斯分类。本文将首先介绍分类问题，对分类问题进行一个正式的定义。然后，介绍贝叶斯分类算法的基础——贝叶斯定理。最后，通过实例讨论贝叶斯分类中最简单的一种：朴素贝叶斯分类。二、分类问题介绍 当你看到一个陌生人，你的脑子下意识判断TA是男是女；你可能经常会走在路上对身旁的朋友说“这个人一看就很有钱、那边有个非主流”之类的话，其实这就是一种分类操作。 从数学角度来说，分类问题可做如下定义： 已知集...
2021-04-14 15:14:30
1408
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