![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
自然语言处理
文章平均质量分 90
Mu ziyang
这个作者很懒,什么都没留下…
展开
-
机器学习|3.贝叶斯分类器
一.基础概念 贝叶斯分类器是各种分类器中分类错误概率最小或者在预先给定代价的情况下平均风险最小的分类器。它的设计方法是一种最基本的统计分类方法。其分类原理是通过某对象的先验概率,利用贝叶斯公式计算出其后验概率,即该对象属于某一类的概率,选择具有最大后验概率的类作为该对象所属的类。 先验概率:根据以往经验分析得到的概率。 后验概率:某件事发生是由某个因素引起的可能性大小。 联合概率:联合概率是指在多元的概率分布中多个随机变量分别满足各自条件的概率。假设X和Y都服从正态分布,那么P{X<4,Y&l原创 2021-10-03 18:09:25 · 5004 阅读 · 0 评论 -
机器学习|2.逻辑回归
一.原理解释 基本思想:线性回归模型产生的预测值是实值,故我们需要将实值z转换为0/1值,最理想的是“单位阶跃函数”。原创 2021-09-20 14:26:15 · 92 阅读 · 0 评论 -
机器学习|1.线性逻辑回归
一.简单的线性回归 1.线性模型: 给定由d个属性描述的示例 x=(x1;x2;...;xd),其中xi是x在第i个属性之上的取值,线性模型试图学得一个通过属性的线性组合来进行预测的函数,即 一般用向量形式写成 ...原创 2021-09-16 23:15:42 · 243 阅读 · 0 评论