![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 87
超级替补
这个作者很懒,什么都没留下…
展开
-
机器学习笔记(一)
统计学习三要素:模型、策略和算法。模型分类有几种,监督非监督,参数非参数等。监督学习又分为生成方法和判别方法。生成模型有:朴素贝叶斯和隐马尔科夫。判别模型有:K近邻,感知机,决策树,逻辑回归,EM,SVM,Boost,CRF.参数与非参数参数模型 参数个数固定,与训练数据无关。非参数模型 参数个数依赖于训练数据的个数,会变(不是没有参数)。 举例:最近邻方法。每个点与数据之间的距离均原创 2016-04-13 17:01:48 · 680 阅读 · 0 评论 -
机器学习笔记(二)
4.SVMSVM(支持向量机)包括:线性可分支持向量机(硬间隔最大化); 线性支持向量机(近似线性可分,软间隔最大化) 非线性支持向量机(kernel trick)如图所示的分类演示。代码来源:机器学习实战。 图中圈出来的正是所谓的支持向量。SVM是一种决策机器,只提供分类的结果,并不提供后验概率。 补充一下(PRML):分类问题划分为2个阶段,推断阶段原创 2016-04-14 15:32:45 · 615 阅读 · 0 评论 -
机器学习中的特征选择
首先声明,本人个人观点,仅供交流。本人欠专业人士,并不了解显示实践中的特征工程。特征选择是一个重要的数据预处理过程,获得数据之后要先进行特征选择然后再训练模型。主要作用:1、降维 2、去除不相关特征。特征选择方法包含:子集搜索和子集评价两个问题。 子集搜索包含前向搜索、后向搜索、双向搜索等。 子集评价方法包含:信息增益,交叉熵,相关性,余弦相似度等评级准则。 两者结合起来就是特...原创 2016-04-25 17:24:00 · 22102 阅读 · 2 评论