机器学习
炼丹的蜗牛@/"
这个作者很懒,什么都没留下…
展开
-
【Python】线性回归 scipy.stats
一、数据 现有如下数据: 要研究baidu、google分别与truth的关系 二、代码 import pandas as pd import numpy as np import matplotlib.pyplot as plt import scipy.stats as st data = pd.read_excel("exp.xlsx") # print(data) truth = data['truth'].values baidu = data['baidu'].values google原创 2021-06-10 13:25:25 · 779 阅读 · 0 评论 -
《统计学习方法》(李航著)读书笔记 第四章 朴素贝叶斯法
相关视频: 朴素贝叶斯分类器 (Naive Bayes Classifier) 目录第四章 朴素贝叶斯法4.1 朴素贝叶斯法的学习与分类4.2 朴素贝叶斯法的参数估计 第四章 朴素贝叶斯法 朴素贝叶斯(naive Bayes)法:基于贝叶斯定理与特征条件独立假设的分类方法 假设:特征条件独立 学习:输入/输出的联合概率分布 输入:x 输出:利用贝叶斯定理求出后验概率最大的输出y 4.1 朴素贝叶斯法的学习与分类 4.1.1 基本方法 朴素贝叶斯法:生成模型 条件独立假设使朴素贝叶斯法变得简单,但有时会原创 2020-10-18 10:42:04 · 229 阅读 · 0 评论 -
《统计学习方法》(李航著)读书笔记 第三章 k近邻法
相关视频: 機器學習首部曲— K-近鄰演算法 KNN (字幕) [JHML-KNN-03]knn算法-kd树原理(构造) [JHML-KNN-04]knn算法-kd树原理(搜索) 目录第三章 k近邻法3.1 k近邻算法3.2 k近邻模型3.3 k近邻法的实现:kd树 第三章 k近邻法 输入:实例的特征向量(特征空间的点) 输出:实例的类别(可以取多类) 预测方式:多数表决 k近邻法:利用训练数据集对特征向量空间进行划分,并作为其分类的模型 三个基本要素:k值的选择、距离度量及分类决策规则 3.1 k近邻算法原创 2020-10-18 10:41:49 · 143 阅读 · 0 评论 -
《统计学习方法》(李航著)读书笔记 第二章 感知机
目录第二章 感知机2.1 感知机模型2.2 感知机学习策略2.3 感知机学习算法 第二章 感知机 感知机(perceptron):二类分类的线性分类模型 输入:实例的向量特征 输出:实例的类别(取+1和-1二值) 感知机学习:求出将训练数据进行线性划分的分离超平面 2.1 感知机模型 感知机模型:线性分类模型、判别模型 假设空间:定义在特征空间中所有的线性分类模型(linear classification model)或线性分类器(linear classifier) 2.2 感知机学习策略 2.2原创 2020-10-18 10:39:54 · 140 阅读 · 0 评论 -
《统计学习方法》(李航著)读书笔记 第一章 统计学习方法概论
第一章 统计学习方法概论 统计学习方法的三要素:模型、策略和算法 模型选择 正则化 交叉验证 学习的泛化能力 生成模型&判别模型 监督学习方法的应用:分类问题、标注问题与回归问题 1.1 统计学习 1.统计学习的特点 主要特点: (1)平台:计算机及网络 (2)研究对象:数据 (3)目的:对数据进行预测与分析 (4)中心:方法 (5)统计学习是概率论、统计学、信息论、计算理论、最优化理论及计算机科学等多个领域的交叉学科,并且在发展中逐步形成独自的理论体系与方法论。 统计学习就是计算机系统通过运用数据原创 2020-10-18 10:39:43 · 214 阅读 · 0 评论