机器学习三：分类算法Classification

最新推荐文章于 2021-05-06 19:57:13 发布
最新推荐文章于 2021-05-06 19:57:13 发布
阅读量794 收藏
点赞数 1
文章标签： 算法 人脸识别 机器学习 人工智能 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42744909/article/details/108954890
版权

什么是分类算法

通俗的讲就是判断输入是什么类型的，或者说输出对各输出的概率是多少
举例：依旧以宠物精灵为例
在这里插入图片描述
根据这些信息预测它属于那种类型，这就是分类算法

应用领域

信用征信，医学诊断，手写字符识别，人脸识别

分类算法与回归算法的关系

相同点

我的理解是，分类算法是回归算法的特例，以二元分类来讲
当分类算法的y1为1，y2为-1，当预测的结果大于0时，输出为1，当预测的结果小于0时为-1，这相当于就是一个回归算法

不同之处

在这里插入图片描述

分类算法详解

数学知识：高斯分布，忘记的可以百度下
在这里插入图片描述
在这里插入图片描述

最大似然

前提是：同一类的求最大似然
用最大似然来确定均值μ和协方差矩阵Σ，最大似然，自然是L值越大，模型越优
在这里插入图片描述
在这里插入图片描述
公式中T是指矩阵的转置
我们可以算出μ和Σ，进而求得输入的概率
在这里插入图片描述
在这里插入图片描述
但是：训练出来的模型是非常差的，我的理解是，在同一类中由于个别因素（属于class2的因素却在class中tranning）影响导致误差
在这里插入图片描述

修改model

高斯分布中均值决定位置，协方差决定高度，class中存在一些错误（本该属于class1却在class2中进行tranning）so，我们采用相同的协方差
在这里插入图片描述
在这里插入图片描述

朴素贝叶斯分类器

假设所有维度都是独立的
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

Jovan.qiao
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
分类（Classification）算法评估指标
weixin_42846157的博客
06-13 1070
混淆矩阵（Confusion Matrix）：真实值，预测值，预测值和真实值之间的关系。 True positive (TP) ：图中的11，真实值为Positive，预测正确（预测值为Positive） True negative (TN)：图中的00，真实值为Negative，预测正确（预测值为Negative） False positive (FP)：图中的01，真实值为Negative，预测错误（预测值为Positive） False negative (FN)：图中的10，真实值为Positiv
分类算法（Classification）
九的方
01-08 380
参考 机器学习系列（七）——分类问题（classification） 机器学习三类问题 回归分析 分类分析 聚类分析
决策树分类如何计算每个类别的概率
chwei20002005的博客
03-11 1万+
1. 为什么要知道每个样本其所属类别的概率？ 虽然决策树可以做到对样本分类，但在算法使用中也会遇到这种情况，模型对样本X进行预测，样本X属于A的概率为51% 属于B的概率为49%，这时虽然算法给出结论是样本X属于A类。但是其对这次预测的结果把握性并不是很大。对于现实中某些宁可不做也不要出现错误的场景来说，这次预测并不是我们所需要的。所以，做算法的时候我们需要模型输出样本属于每个类别的概率。 2. 决策树如何计算每个样本的概率？ 2.1 决策树结果可视化 为了方便理解，这里...
Java机器学习库ML之七分类预测输出概率值
医疗影像检索
06-26 4216
场景：一般分类预测直接输出类别标记，不过有些情况需要输出对应类别的概率值，比如判定为正例的概率是0.6，而判定为负例的概率是0.3，那自然标记为正例，这里就是看ML用classDistribution输出各类别的概率值。参考代码如下： /** * This file is part of the Java Machine Learning Library * * The Java Mac
One-Class Classification (OCC) 算法
weixin_43120238的博客
05-06 2029
原文：One-Class Classification Alogrithms for Imbalanced Datasets In this tutorial, you will discover how to use one-class classification algorithms for datasets with severely skewed class distribution. After completing this tutorial, you will know: One-clas
classification_机器学习_分类算法_
09-30
smote上采样处理非平衡二分类数据
python机器学习之KNN分类算法
09-20
KNN（K-Nearest Neighbors）分类算法是监督学习中的一个基础算法，尤其在机器学习领域中广泛应用。它的主要思想是基于实例的学习，即通过找到训练集中与新样本最接近的K个邻居，根据这些邻居的类别来预测新样本的...
机器学习十大算法：kNN.pdf
03-19
k-Nearest Neighbors（kNN）是一种常见的机器学习算法，属于监督式学习中分类算法的一种。该算法的主要思想是：当需要对一个新的实例进行分类时，找到与其最相似的k个实例，然后根据这k个实例的类别来确定新的实例的...
Machine learning classification algorithm demo 机器学习分类算法demo.zip
最新发布
04-16
机器学习是一种通用的数据处理技术，其包含了大量的学习算法。不同的学习算法在不同的行业及应用中能够表现出不同的性能和优势。目前，机器学习已成功地应用于下列领域： 互联网领域----语音识别、搜索引擎、语言...
machinelearning_classification:机器学习分类算法演示机器学习分类算法演示
03-25
机器学习分类算法演示机器学习分类算法demo金融客户分类，类举多个通用分类算法的基本使用，各种分类方法模型最终需要参考的不只是准确率，还包括召回率，F1分数等环境python 3.7.2 斯克莱恩0.23.2 熊猫1.1.5 numpy...
用于三分类的BP程序算法
05-24
用于三分类的BP程序算法
数据挖掘--分类算法的优缺点
快乐的鱼儿学敲码
08-19 2828
1决策树（Decision Trees）的优缺点 决策树的优点： 一、           决策树易于理解和解释.人们在通过解释后都有能力去理解决策树所表达的意义。 二、           对于决策树，数据的准备往往是简单或者是不必要的.其他的技术往往要求先把数据一般化，比如去掉多余的或者空白的属性。 三、           能够同时处理数据型和常规型属性。其他的技术往往要求数据属性的
【机器学习详解】SVM解二分类,多分类,及后验概率输出
热门推荐
勿在浮砂筑高台
04-10 6万+
转载请注明出处:http://blog.csdn.net/luoshixian099/article/details/51073885 CSDN−勿在浮沙筑高台\color{Blue}{CSDN-勿在浮沙筑高台} 支持向量机(Support Vector Machine)曾经在分类、回归问题中非常流行。支持向量机也称为最大间隔分类器，通过分离超平面把原始样本集划分成两部分。首先考虑最简单
python按概率输出分类结果_sklearn例程:多分类输出概率
weixin_42303365的博客
12-24 3513
示例简介本示例介绍如何绘制不同分类器的分类概率。我们在拥有3个类别的数据集上，使用如下分类模型进行多分类：支持向量分类器(SVM Classification, 简称SVC)线性SVC在默认情况下不是概率分类器，但在此示例中启用了内置校准选项(probability=True)逻辑回归(LogisticRegression，简称LR)，尝试了3种参数配置：采用L1正则化采用L2正则化和One-Vs...
简单明了的分类算法：OneR。
繁城落叶
01-12 4058
在之前介绍的kNN算法属于一种分类算法，之后会介绍的决策树也是属于分类算法。分类算法的目的就是根据训练集的特征将新的数据进行预测，当然能够找到特征之间的联系越多那么最后的分类结果也就应该越准确。但是有没有一个比较简单的算法，能够使用极少的特征就能够进行简单的分类呢？那就是OneR算法了。OneR算法介绍。OneR的全称为：One Rule，顾名思义也就是一条规则的意思。也就是说我们最终仅仅根据训练集
LSTM解决一个评论文本三分类问题
shelgi的博客
09-26 4458
起因 有个研究生小姐姐需要我帮她做一个用神经网络对评论数据进行分类的模型，要用lstm算法，我当然是爽快的答应了。 拿到了数据集，看了一下，是这个样子 然后小姐姐说只要先对一列标签分类就好，可以三个标签分开分类 开始解决问题 1.数据处理 首先嘛既然是要分类就要最先想想输入输出，输出肯定是三种不同的标签，比如对A标签，就是输出A0,A1,A2。那输入是什么呢？用一段中文输入？那计算机也不能理...
TensorFlow - 机器学习算法的三大分类（笔记）
flyfish
10-06 1506
TensorFlow - 机器学习算法的三大分类（笔记）flyfish 笔记Three types of learningthree different types of machine learning 机器学习的三种不同类型supervised learning 监督学习 reinforcement learning 强化学习 unsupervised learning 无监督学习Broa
各种分类算法比较
流年染指，回忆春秋 的博客
04-11 2573
各种分类算法比较 最近在处理数据的时候，使用分类算法，为使用合适的分类算法，对各分类算法仔细研究了一番，而且在网上了这篇博文，对分类算法的优缺点比较简单明了，推荐学习一下。 1. 决策树（Decision Trees）的优缺点 决策树的优点： 一、决策树易于理解和解释.人们在通过解释后都有能力去理解决策树所表达的意义。 二、对于决策树，数据的准备往往是简单或者是不
Python机器学习库sklearn里利用LR模型进行三分类（多分类）的原理
公众号：瑞行AI
11-14 1万+
有关LR模型的完整理论知识参考http://blog.csdn.net/cymy001/article/details/78153036 首先，LR将线性模型利用sigmoid函数进一步做了非线性映射。 将分类超平面两侧的正负样本点，通过压缩函数转化成了以0.5为分解的两类：类别0和类别1。 这个转化过程见下图： 上图给出的是线性边界与LR分布函数（即sigmoid函数）的...
吴恩达机器学习学习笔记
04-04
机器学习主要包含两大任务：回归（Regression）和分类（Classification）。回归任务是预测连续数值，如预测房价或股票价格；而分类任务则是将数据分配到预定义的类别中，如识别图像中的物体。 在机器学习中，损失...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值