![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 71
How far is forever
这个作者很懒,什么都没留下…
展开
-
K-近邻算法
k-邻近算法k-邻近算法采用测量不同特征值之间的距离方法进行分类。优点:精度高、对异常值不敏感、无数据输入假定。缺点: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。工作原理:存在一个样本数据集合,也称作训练样本集,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本集中数据对应的特征进行比比较,然后算...原创 2018-10-23 13:05:51 · 397 阅读 · 1 评论 -
利用AdaBoost元算法提高分类性能
一、元算法元算法是对其他算法进行组合的一种方式。我们自然可以将不同的分类器组合起来,而这种组合结果则被称为集成算法或者元算法。集成学习的结果通过投票法产生,即“少数服从多数”从这个例子中得出:要获得好的集成,个体学习器应“好而不同”,即个体学习器要有一定的“准确性”,即学习器不能太坏,并且要有“多样性”,即学习器间具有差异。使用集成方法时会有很多种形式:可以是不同算法的集成,也可以是同一...原创 2018-11-17 15:33:27 · 456 阅读 · 0 评论 -
决策树
决策树决策树是基于树结构来进行决策的。决策树学习的目的是为了产生一颗泛化能力强,即处理未见示例能力强的决策树。决策树的生成是一个递归过程。在决策树基本算法中,有三种情形会导致递归返回:(1)当前结点包含的样本全属于同一类别,无需划分;(2)当前属性集为空,或是所有样本的所有属性上取值相同,无法划分;(3)当前结点包含的样本集合为空,不能划分。信息熵是度量样本集合纯度最常用的一种指标。假定当前...原创 2018-11-17 20:22:25 · 821 阅读 · 0 评论 -
线性回归
利用Logistic回归进行分类的主要思想是:根据现有数据对分类边界线建立回归公式,以此进行分类。原创 2018-12-06 14:40:13 · 163 阅读 · 0 评论 -
聚类
聚类聚类属于无监督学习,训练样本的标记信息是未知的,目的是通过对无标记训练样本的学习来揭示数据的内在性质及规律,然后对训练样本进行分类。聚类试图将数据集中的样本划分为若干个通常是不相交的子集,每个子集称为一个“簇”。同一簇的样本尽可能彼此相似,不同的样本尽可能不同。换言之,聚类结果的“簇内相似度”高且“簇间相似度”低。聚类性能度量大致分为两类。一类是将聚类结果与某个“参考模型”进行比较,称为...原创 2018-12-06 15:24:07 · 1168 阅读 · 0 评论 -
统计学习方法概论
统计学习的也称为统计机器学习。统计学习的对象是数据。数据包括存在于计算机及网络上的各种数字、文字、图像、音频数据及它们的组合。统计学习由监督学习、非监督学习、半监督学习和强化学习等组成。统计学习方法包括模型的假设空间、模型选择的准则以及模型学习的算法。简称为模型、策略和算法。监督学习的基本概念在监督学习中,将输入与输出所有可能取值的集合分别称为输入空间和输出空间。每一个具体的输入是一个...原创 2019-02-21 19:09:33 · 278 阅读 · 0 评论 -
感知机
感知机是二类分类的线性分类模型,其输入为实例的特征向量,输出为实例的类别,取+1和-1二值。感知机对应于输入空间(特征空间)中将实例划分为正负两类的分离超平面,属于判别模型。假设输入空间(特征空间)是x⊆R^n,输出空间是y={+1,-1}。输入x∈X表示实例的特征向量,对应于输入空间(特征空间)的点,输出y∈Y表示实例的类别。由输入空间到输出空间的如下函数f(x)=sign(w*x+b)称为感...原创 2019-02-23 15:57:39 · 1317 阅读 · 0 评论