Jasmine的博客

1、SVM就是寻找最大分类间隔的过程，即使得数据点到分类超平面之间的距离最大化。2、SVM分类最初是为二分类设计，所以适合二分类问题，也可用于多分类，对多分类问题的处理有下面两种方式：（1）一对多法：假设要把数据集分为A、B、C、D 4个类，可以将其中一个类作为分类1，其他类作为分类2，这样我们要进行 4次SVM分类：类别1：A 类别2：B、C、D类别1：B 类别2：A、C、D类别1：C 类别2：A、B、D类别1：D 类别2：B

1、朴素贝叶斯算法之朴素的含义：朴素是指假定数据的特征变量之间是相互独立的。2、朴素贝叶斯算法分类：将实例分类到后验概率最大的类别当中。假设实例数据有3个特征向量：{A1,A2,A3}，Cj为分类当中的第j个类，后验概率的计算公式为：假设j的取值为0～n，那么计算出所有的P(Cj | A1A2A3)，结果最大的所对应的分类即为实例的分类。比较后验概率大小的问题，也可以简化为比较P(A1A2A3 | Cj) P(Cj)的问题。3、朴素贝叶斯分类是计算实例属于各个分类的概率，最后给出最优的猜测分

1、决策树学习：决策树学习是利用递归的方法寻找最优特征，并根据最优特征将数据集分割，使得各个子数据集有一个最好的分类的过程。决策树是一个条件概率分布。构造决策树需要确定根节点、子节点和叶节点，通过寻找最优特征的方法来确定。2、如何寻找最优特征（特征选择）？通过计算经验熵和信息增益来确定：（1）经验熵：熵表示随机变量的不确定性，熵越大，不确定性就越大。（2）信息增益：特征A对训练集合D的信息增益为，集合D的经验熵减去特征A给定的条件下集合D的经验条件熵。以海洋生物数据为例，计算熵和信息增

1、sort,sorted的区别：都是排序函数，sort用于list，而sorted用于list或者iterable（可迭代对象）2、operator.itemgetter(k)的使用：operator模块提供的itemgetter(k)函数用来获取对象的索引为k的数据，比如：a = [2, 6, 3, 7]b = operator.itemgetter(1)print(b(a))63、函数sorted(iterable, key, reverse)：iterable可以是list，或者i