Data Mining/Machine Learning
败家先森
你要努力,你想要的要自己给
展开
-
欢迎使用CSDN-markdown编辑器
第1章 逻辑斯蒂回归 逻辑斯蒂回归模型1.1.1 逻辑斯蒂分布 定义1.1 (逻辑斯蒂分布):设XX是连续随机变量,XX服从逻辑斯蒂分布是指XX具有下列分布函数和密度函数: F(x)=P(X≤x)=11+e−(x−u)/rF(x)=P(X \le x)=\frac{1}{1+e^{-(x-u)/r}}f(x)=F′(x)=e−(x−u)/rr(1+e−(x−u)/r)2f(x)=F'(x)=\f原创 2016-04-05 14:08:18 · 227 阅读 · 0 评论 -
SVM
原创 2016-04-11 13:14:26 · 202 阅读 · 0 评论 -
神经网络
原创 2016-04-11 13:15:54 · 213 阅读 · 0 评论 -
朴素贝叶斯
原创 2016-04-11 13:17:34 · 211 阅读 · 0 评论 -
异常检测
原创 2016-04-11 13:19:20 · 376 阅读 · 0 评论 -
维规约
原创 2016-04-11 13:19:54 · 1629 阅读 · 0 评论 -
集成方法
顾名思义,集成方法就是聚集多个分类器的预测来提高分类准确率。即通过改变训练样本的权重,构建一组基分类器,然后将这些分类器进行线性组合,通过对每个基分类器的预测进行投票来,提高分类的性能。 本章将解释为什么集成/组合方法比任意单分类器的效果好,并提供构建组合分类器的技术。原创 2016-04-16 11:19:14 · 388 阅读 · 0 评论