- 博客(4)
- 收藏
- 关注
RSS订阅原创 KNN算法
KNN算法1. KNN算法原理1.1 K值选择1.2 距离计算1.3 算法优缺点1. KNN算法原理k近邻方法是一种惰性学习算法，可以用于回归和分类，它的主要思想是投票机制，对于一个测试实例x, 我们在有标签的训练数据集上找到和最相近的k个数据，用他们的label进行投票，分类问题则进行表决投票，回归问题使用加权平均或者直接平均的方法。1.1 K值选择kNN中的k是一个超参数，需要我们进行指定，一般情况下这个k和数据有很大关系，都是交叉验证进行选择，但是建议使用交叉验证的时候，k∈[2,20]，使用
2020-12-21 20:56:48
5222
1
原创 经典分类器——朴素贝叶斯算法
1. 算法原理1.1 朴素贝叶斯算法原理朴素贝叶斯算法（Naive Bayes) 是应用最为广泛的分类算法之一。它是基于贝叶斯定义和特征条件独立假设的分类器方法。由于朴素贝叶斯法基于贝叶斯公式计算得到，有着坚实的数学基础，以及稳定的分类效率。NB模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。朴素贝叶斯算法假设所有特征的出现相互独立互不影响，每一特征同等重要，又因为其简单，而且具有很好的可解释性一般。相对于其他精心设计的更复杂的分类算法，朴素贝叶斯分类算法是学习效率和分类效果较好的分类器
2020-12-18 22:07:25
861
1
原创 最简单的线性分类器——逻辑回归
1. 分类和分类器1.1 分类在数据挖掘中，常见的方法有四类，回归、分类、聚类和关联分析（根据关联做推荐）。其中分类是对已知类别的数据进行学习和分类，确定分类的标准和依据。从而实现在获取新对象（数据或内容）时，为新对象划分其所属类别。1.2 分类器分类器即分类过程中需要用到的分类函数或分类模型。该函数或模型可以把对象的数据映射到指定类别中的某一个，从而可用于数据的分类预测。分类器的构造大致需要以下四个步骤：选定样本，将所有样本分为训练集和测试集两个部分。在选定样本时尤其要注意不同类别
2020-12-15 11:45:24
1017
原创 【Stata使用快速查询1】导入变量与基本回归操作
文章目录1.导入变量1.1导入变量——使用data eidtor1.2展示变量1.2.1显示变量：describe1.2.2展示具体变量：1.2.3变量统计特征1.3更改变量类型1.3.1变更字符串类型：destring self_rate, replace1.3.2字符串转日期：1.3.3生成新变量：2.计算回归2.1计算一元、多元回归2.2逐步回归2.3选取训练集与测试集2.4展示拟合值及残差...
2020-02-29 22:17:00
4335
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