![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
酥茶·
这个作者很懒,什么都没留下…
展开
-
机器学习 决策树(DecisionTree)
决策树算法算法介绍决策树是一种梳妆结构,它的每一个叶节点对应着一个分类,非叶节点对应着在某个属性上的划分,根据样本在该属性上的不同取值将其划分成若干个子集。对于非纯的叶节点,多数类的标号给出到达这个节点的样本所属的类。构造决策树的核心问题是在每一步如何选择适当的属性对样本做拆分。对一个分类问题,从已知类标记的训练样本中学习并构造出决策书是一个自上而下,分而治之的过程。而实现决策树最经典的算法就...原创 2019-07-23 15:59:00 · 971 阅读 · 0 评论 -
机器学习 朴素贝叶斯(NaiveBayes)
朴素贝叶斯(Naive Bayes)算法思想 朴素贝叶斯(Naive Bayes)是基于贝叶斯定理与特征条件假设的分类方法。给定一个未知的样本XXX,分类法将预测XXX属于具有最高后验概率的类,即,未知的样本分配给yjy_jyj,当且仅当P(yj∣X)>P(yj∣X),1≤i≤k,i≠jP(y_j|X)>P(y_j|X),1≤i≤k,i \neq jP(yj...原创 2019-08-03 03:18:14 · 215 阅读 · 0 评论 -
机器学习 逻辑回归(Logistic Regression)
逻辑回归(Logistic Regression) 首先说明一个问题,逻辑回归虽然以回归命名,但逻辑回归却是一个分类算法,用于估计某种事物的可能性(概率),再通过激活函数(也有称为假设函数)映射到各个分类。 逻辑回归(Logistic Regression)与线性回归(Linear Regression)都是一种广义线性模型(generalized linear model)。逻辑回归假...原创 2019-07-31 11:09:47 · 566 阅读 · 0 评论 -
机器学习 线性回归(LinearRegression)
线性模型算法思想线性回归模型旨在寻找一条直线或者一个平面,使得所有数据样本都尽可能接近这条直线或者平面,以此当新的数据样品出现时,可以用得到的模型结果进行预测。而线性分类模型旨在找到一条直线或者一个平面,是的这个直线或者平面能够分割开不同类别的数据样本。数学建模线性回归假设特征和结果满足线性关系。其实线性关系的表达能力非常强大,每个特征对结果的影响强弱可以由前面的参数体现,而且每个特征...原创 2019-07-27 16:08:25 · 305 阅读 · 0 评论 -
机器学习 聚类算法(clustering)
聚类算法前言与回归与分类不同,聚类是无监督学习算法,无监督指的是只需要数据,不需要标记结果,自己给自己分类。在现实生活中,很少直接用聚类算法,因为聚类效果的好坏不容易衡量(因为没有标记,就没有标准答案),有时候会用做监督学习中稀疏特征的预处理,把混乱的数据先分分看,看看大类如何。算法思想 聚类算法,顾名思义是将数据聚集起来的算法,所谓“物以类聚,人以群分”的道理。聚类算法的主要思想...原创 2019-08-23 22:24:27 · 2578 阅读 · 0 评论 -
机器学习 支持向量机(SVM)
支持向量机算法思想 支持向量机(SVM)旨在在一堆样本数据中从低纬空间映射到高维空间中,使得原空间中线性不可分的问题,变成一个线性可分问题。如下图所示 而这时就需要找到一个决策边界来划分数据样本所属不同的类。找到这样一个超平面,使得所有的方块位于这个超平面的一侧,而所有的圆圈位于它的另一侧,但是这个超平面却可能有无穷多个。如下图 进一步探究便得到支持向量机中最核心的问题,就是支持向...原创 2019-08-11 18:17:08 · 318 阅读 · 0 评论