机器学习
文章平均质量分 89
小沈同学_
这个作者很懒,什么都没留下…
展开
-
机器学习实战 | 第4章 基于概率论的分类方法: 朴素贝叶斯
4.1 基于贝叶斯决策理论的分类方法 朴素贝叶斯优点:在数据较少的情况下仍然有效,可以处理多类别问题。缺点:对于输入数据的准备方式较为敏感。适用数据类型:标称型数据。用p1(x,y)表示数据点(x,y)属于类别1的概率;用p2(x,y)表示数据点(x,y)属于类别2的概率;那么对于一个新数据点(x,y),可以用下面的规则来判断它的类别: 如果 p1(x,y) > p...原创 2020-09-15 11:01:03 · 200 阅读 · 0 评论 -
机器学习实战 | 第3章 决策树
决策树的一个重要任务是:为了数据中蕴含的知识信息。决策树可以使用不熟悉的数据集合,并从中提取除一系列规则,在这些机器根据数据集创建规则时,就是机器学习的过程。3.1 决策树的构造优点:计算复杂度不高,输出结果易于理解,对中间值的缺失不敏感,可以处理不相关特征数据。缺点:可能会产生过度匹配问题。适用数据类型:数值型和标称型。在构造决策树时,我们需要解决的第一个问题是:当前数据集上哪个特...原创 2020-09-15 11:00:37 · 330 阅读 · 0 评论 -
机器学习实战 | 第2章 k-临近算法
2.1 k-临近算法概述工作原理:存在一个样本数据集合(也称作训练样本集),并且样本集中每个数据都存在标签(即我们知道样本中每一数据与所属分类的对应关系)。输入没有标签的新数据后,将新数据的特征值与样本中数据对应的特征值进行比较,然后算法提取样本集中特征最相似数据(最邻近)的分类标签。一般来说,我们只选择样本数据集中前k个最相似的数据,通常k是不大于20的整数。最后选择k个最相似数据中出现次数...原创 2020-09-15 11:00:17 · 345 阅读 · 0 评论 -
西瓜书学习笔记 | 第15章 规则学习
15.1 基本概念15.2 序贯覆盖15.3 剪枝优化15.4 一阶规则学习15.5 归纳逻辑程序设计原创 2019-10-14 10:50:20 · 881 阅读 · 0 评论 -
西瓜书学习笔记 | 第14章 概率图模型
概率图模型(probabilistic model)(变量关系图):是一类用图来表达变量相关关系的概率模型。原创 2019-10-11 20:18:51 · 500 阅读 · 0 评论