![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 76
某睿鸭
heng_rui 163的哦
展开
-
朴素贝叶斯及python实现
朴素贝叶斯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,对于给定的输入x,利用贝叶斯定理求出后验概率最大的输出y。式(2)为极大似然估计。 # 先验概率 def pAbusice(self, labels): N = len(labels) label = dict(Counter(labels)) pa = {} for key, val in原创 2021-11-01 15:11:45 · 954 阅读 · 1 评论 -
近邻法及python实现
????近邻法及python实现综述????近邻算法????近邻模型距离度量????值的选择分类决策的规则代码Main.pymyKNN.py输出????近邻法的实现:kd树构造kd树搜索kd树代码实现main.pyKD.pysearch.py输出综述????近邻法是一种基本分类与回归的方法。不具有显式的学习过程。????值的选择,距离度量以及分类决策的规则是????近邻法的三个基本要素。一般来说,只选择样本数据集中前N个最相似的数据。????一般不大于20,最后,选择k个中出现次数最多的分类,作为新数据原创 2021-10-08 13:11:57 · 968 阅读 · 0 评论 -
BP神经网络python实现
BP神经网络python实现总体布局函数构建网络前馈的一个过程更新w,bw,bw,b进行测试数据读取mainmainmain函数数据集总体布局函数SigmoidSigmoidSigmoid函数:f(x)=11+exp(−x)f(x)=\frac{1}{1+exp(-x)}f(x)=1+exp(−x)1# Sigmoid 前向反向def sigmoid(z): h = 1. / (1 + np.exp(-z)) return hdef de_sigmoid(z,h):原创 2021-09-29 19:18:48 · 880 阅读 · 3 评论 -
决策树及python实现
决策树是一种基本的分类和回归方法。决策树学习通常包含三个部分:特征选择,决策树的生成和决策树的修剪。原创 2021-09-26 20:27:48 · 348 阅读 · 0 评论 -
【统计学习方法】感知机Python实现
1 前言感知机是二分类的线性分类模型。输入为:实例的特征向量;输出:实例的类别【一般取-1和+1二值】。感知机对应于输入空间(特征空间)中将实例划分为正负两类的分离超平面,属于判别模型。感知机学习旨在求出将训练数据进行线性划分的超平面,为此,导入基于误分类的损失函数,利用梯度下降法对损失函数进行极小化,求出感知机模型。感知机分为原始模式和对偶形式。2 感知机模型定义2.1(感知机) 假设输入空间(特征空间)是 χ⊆Rn\chi \subseteq R^nχ⊆Rn ,输入空间是Y⊆{−1,+1}\原创 2021-09-21 15:15:17 · 165 阅读 · 0 评论 -
贝叶斯估计与极大似然估计(小白版)
看了好多大佬的,还是看不懂,自己总结了一些。餐前小食极大似然估计贝叶斯公式最大后验分布原创 2021-08-28 21:36:32 · 79 阅读 · 0 评论