机器学习专栏
文章平均质量分 88
一些决策方法
勇敢牛牛@
接受平庸
展开
-
支持向量机(Support Vector Machine,SVM)学习笔记
##(标题格式未修改)支持向量机(SVM)概述概述:小例子:魔鬼和天使玩了一个游戏,魔鬼在桌上放了两种颜色的球,如图1所示。魔鬼让天使用一根木棍将它们分开。这对天使来说,似乎太容易了。天使不假思索地一摆,便完成了任务,如图2所示。魔鬼又加入了更多的球。随着球的增多,似乎有的球不能再被原来的木棍正确分开。如图3所示:按照这种球的摆法,世界上貌似没有一根木棒可以将它们完美分开。但天使毕竟有法力,他一拍桌子,便让这些球飞到了空中,然后凭借念力抓起一张纸片,插在了两类球的中间,如图4所示。从魔鬼的角度看原创 2021-07-16 17:08:51 · 303 阅读 · 0 评论 -
基于matlab-高斯消元法解线性方程组
高斯消元法解线性方程组利用高斯消元法求解方程组的x值,以及行列式的值,以及下三角乘上三角验证结果A=[2,1,1;1,3,2;1,2,2];b=[4;6;5];N=3;eps1=1.0e-30;A1=A;%定义一个N行1列的零矩阵x=zeros(N,1);%定义N行N列的零矩阵L=zeros(N,N);U=zers(N,N);detA=1;for k=1:N-1 if abs(A(k,k))<eps1 disp('高斯消元法失败');原创 2020-11-28 17:23:34 · 4659 阅读 · 4 评论 -
决策树学习笔记
首先,在了解树模型之前,自然想到树模型和线性模型有什么区别呢?其中最重要的是,树形模型是一个一个特征进行处理,之前线性模型是所有特征给予权重相加得到一个新的值。决策树与逻辑回归的分类区别也在于此,逻辑回归是将所有特征变换为概率后,通过大于某一概率阈值的划分为一类,小于某一概率阈值的为另一类;而决策树是对每一个特征做一个划分。什么是决策树?所谓决策树,就是一个类似于流程图的树形结构,树内部的每个节点代表的是对一个特征的测试,树的分支代表该特征的每一个测试结果,而树的每一个叶子节点代表一个类别。树的最高层就原创 2021-05-27 11:01:18 · 483 阅读 · 10 评论 -
贝叶斯算法 - 学习笔记
贝叶斯算法贝叶斯简介总结的概括:贝叶斯算法,其实它就是解决一个关于概率的问题。为什么使用贝叶斯呢?现实世界本身就是不确定的,人类的观察能力是有局限性的;我们日常所观察到的只是事物表面的结果,因此我们需要提供一个猜测。贝叶斯概述写这篇文章的时候,我参考了很多博客和文章,大多都是以生动的例子直接引入问题,我也考虑到这点,为了形象的表达贝叶斯算法,直接以故事图例的方式来阐述贝叶斯算法。在此之前,先了解一下正向概率和逆向概率:正向概率:假设袋子里面有N个白球,M个黑球,你伸手进去摸一把,摸出黑球的概率原创 2021-07-30 10:37:50 · 761 阅读 · 1 评论 -
K-means 聚类算法学习笔记
(一)聚类-无监督学习事先并不知道任何样本的类别标号,希望通过某种算法来把一组未知类别的样本划分成若干类别,聚类的时候,我们并不关心某一类是什么,我们需要实现的目标只是把相似的东西聚到一起,这在机器学习中被称作unsupervised learning(无监督学习)K-means是寻找给定数据集的K个簇的聚类算法,也称之为K-均值,是因为它可以发现(寻找)K个不同的簇,且每个簇的中心采用簇中所含数据的均值计算而成。其中簇的个数是用户指定的,每一个簇通过其质心,即簇中所有的中心来描述。优点:容易实现缺原创 2021-08-04 19:51:06 · 639 阅读 · 1 评论