算法中餐厅
文章平均质量分 80
syqxiaoer
come on baby
展开
-
贝叶斯分类
朴素贝叶斯贝叶斯定理全概率朴素贝叶斯分类贝叶斯定理事件A 在事件B(发生)的条件下的概率,与事件B 在事件A(发生)的条件下的概率是不一样的;然而,这两者是有确定的关系的,贝叶斯定理就是这种关系的陈述。 —— [ 维基百科 ]P(A∣B)=P(B∣A)P(A)P(B)P\left(A\mid B \right)=\frac{P\left(B\mid A \right)P\left(A原创 2017-09-24 11:21:30 · 468 阅读 · 0 评论 -
学习笔记9.25
信息增益参考周志华老师的机器学习这本书,学习了信息增益的内容:“信息熵”是度量样本集合纯度最常用的一种指标。假设当前样本集合中第kk类样本所占的比例为pk(k=1,2,...,|y|)p_{k}(k=1,2,...,|y|),则DD的信息熵定义为 Ent(D)=−∑k=1|y|pklog2pkEnt\left ( D \right )=-\sum_{k=1}^{\left | y \原创 2017-09-25 16:45:26 · 505 阅读 · 0 评论