- 博客(4)
- 收藏
- 关注
RSS订阅原创 机器学习之旅（四）：Logistic回归
机器学习之旅（四）：Logistic回归Logistic回归工作原理 logistic回归是一种广义线性回归（generalized linear model），因此与多重线性回归分析有很多相同之处。它们的模型形式基本上相同，都具有 w‘x+b，其中w和b是待求参数，其区别在于他们的因变量不同，多重线性回归直接将w‘x+b作为因变量，即y =w‘x+b，而logistic回归则通
2018-01-21 14:54:26
326
原创 机器学习之旅（三）：朴素贝叶斯
机器学习之旅（二）：朴素贝叶斯朴素贝叶斯工作原理 朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。分类是将一个未知样本分到几个预先已知类的过程。数据分类问题的解决是一个两步过程：第一步,建立一个模型，描述预先的数据集或概念集。通过分析由属性描述的样本（或实例，对象等）来构造模型。假定每一个样本都有一个预先定义的类，由一个被称为类标签的属性确定。为建立模型而被分析的数据元
2018-01-20 14:53:39
418
原创 机器学习之旅（二）：决策树
机器学习之旅（二）：决策树决策树工作原理 决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。Entr
2018-01-18 11:53:01
399
原创 机器学习之旅（一）：k-近邻算法（kNN）
机器学习之旅（一）：k-近邻算法（kNN）k-近邻算法工作原理存在一个训练样本集，样本集中每个样本都有标签，已经事先知道每个样本的所属分类。输入新样本后（无标签），将新样本的每个特征与样本集中样本对应的特征进行比较，提取样本集中特征最相似（最近邻）的前K个分类标签，取出现次数最多的标签，作为新样本所属的分类。k-近邻算法采用测量不同特征值之间的距离方法进行分类优点：精度高、对
2018-01-17 21:22:25
151
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人