![](https://img-blog.csdnimg.cn/20210817140850916.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习
文章平均质量分 90
机器学习
巨輪
How many ten years are in left time?
展开
-
《基于Java实现的遗传算法》笔记(7 / 7):个人总结
文章目录为何采用遗传算法哪些问题适合用遗传算法解决遗传算法基本术语一般遗传算法的过程基本遗传算法的伪代码为何采用遗传算法遗传算法是机器学习的子集。在实践中,遗传算法通常不是用来解决单一的、特定问题的最好算法。对任何一个问题,几乎总有更好的、更有针对性的解决方案!那么何必麻烦呢?遗传算法是一个极好的多用途工具,可以应用于许多不同类型的问题。这是瑞士军刀与合适的螺丝刀之间的差异。如果任务是拧紧300颗螺丝,你会跳起来找螺丝刀。但如果任务是拧几颗螺丝、割开一些布、在皮革上打一个孔,然后打开一瓶冰苏打水奖励自原创 2021-10-15 13:54:41 · 514 阅读 · 0 评论 -
《机器学习实战》笔记(04):基于概率论的分类方法 - 朴素贝叶斯分类
基于概率论的分类方法:朴素贝叶斯分类Naive Bayesian classification这大节内容源于带你理解朴素贝叶斯分类算法,并非源于《机器学习实战》。个人认为《机器学习实战》阐述贝叶斯分类算法较简略难懂,故查阅其他文章来理解这贝氏算法。贝叶斯分类是一类分类算法的总称,这类算法均以贝叶斯定理为基础,故统称为贝叶斯分类。而朴素朴素贝叶斯分类是贝叶斯分类中最简单,也是常见的一种分类方法。分类问题综述对于分类问题,其实谁都不会陌生,日常生活中我们每天都进行着分类过程。例如,当你看到一个人,原创 2020-08-16 16:12:34 · 588 阅读 · 0 评论 -
《机器学习实战》笔记(03):决策树
决策树kNN算法可以完成很多分类任务,但是它最大的缺点就是给出数据的内在含义,决策树的主要优势就在于数据形式非常容易理解决策树的构造优点: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。创建分支的伪代码函数createBranch()Check if every item in the dataset is in the same class: If so return the class原创 2020-08-16 10:05:57 · 332 阅读 · 0 评论 -
《机器学习实战》笔记(02):k-近邻算法
k-近邻算法它采用测量不同特征值之间的距离方法进行分类优:精度高、对异常值不敏感、无数据输入假定缺:计算复杂度高、空间复杂度高适用数据范围:数值型和标称型算法具体原理存在一个样本数据集合(训练样品集),并且样本集中每个数据都存在标签,即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后,将新数据的每个特征与样品集中数据对应的特征进行比较,然后算法提取样本集中特征最相近数据(最邻近)的分类标签。一般来说,只选择样本数据集中前k个最相似的数据,这就是k-近邻算法中K的出处原创 2020-08-16 01:37:41 · 341 阅读 · 0 评论 -
《机器学习实战》笔记(01):机器学习基础
机器学习基础机器学习能让我们自数据集中受到启发,换句话说利用计算机来彰显数据背后的真实含义。机器学习在日常生活中的应用人脸识别手写数字识别垃圾邮件过滤电商的产品推荐天气预测疾病诊断…何为机器学习机器学习就是把无序的数据转换成有用的信息机器学习用到统计学,为什么用统计学呢?在现实生活中,并不是每一个问题都存在确定的解决方案。在很多时候,我们都无法透彻地理解问题,或者没有足够的计算资源为问题精确建立模型,例如我们无法给人类活动的动机建立模型。为了解决这些问题,我们需要用到统计学知识原创 2020-08-15 23:24:28 · 540 阅读 · 1 评论