![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
山水之间hjf
这个作者很懒,什么都没留下…
展开
-
决策树(decision tree)
决策树(decision tree) 简介 决策树是一种基本的分类与回归方法。主要优点是模型具有可读性,分类速度快。学习时,利用训练数据,根据损失函数最小化的原则建立决策树模型。预测时,对新的数据,利用决策树模型进行分类。决策树学习通常包括包括3个步骤:特征选择、决策树的生成和决策树的修剪。 决策树学习的思想主要来源于由QuinlanQuinlanQuinlan在198619861986年提出的**ID3ID3ID3算法和199319931993年提出的C4.5C4.5C4.5算法**,以及BreimanB原创 2020-09-01 19:01:58 · 426 阅读 · 0 评论 -
朴素贝叶斯
朴素贝叶斯 概述 **朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。**对于给定的训练数据集,首先基于特征条件独立假设学习输入输出的联合概率发布;然后基于此模型,对给定的输入xxx,利用贝叶斯定理求出厚颜概率最大的输出yyy。朴素贝叶斯法实现简单,学习与预测的效率都很高,是一种常用的方法 思想:朴素贝叶斯假设(条件独立性假设)最简单的概率图模型 推导 设输入空间X⊆Rn\mathcal{X}\subseteq\Bbb{R}^nX⊆Rn为nnn维向量的集合,输出空间为类标记集合Y={c1,c2,⋯原创 2020-09-01 10:34:10 · 84 阅读 · 0 评论 -
逻辑回归(Logistic Regression)
逻辑回归(Logistic Regression) 逻辑回归(二分类) sigmoid function:σ(z)=11+e−zsigmoid \ function:\sigma(z)=\frac {1}{1+e^{-z}}sigmoid function:σ(z)=1+e−z1 z→+∞, limσ(z)=1z \rightarrow +\infty,\ lim{\sigma (z)}=1z→+∞, limσ(z)=1 z→0, σ(z)=12z \原创 2020-08-31 09:25:52 · 131 阅读 · 0 评论 -
机器学习常用的性能度量
机器学习常用的性能度量 在预测任务中,给定样例集D={(x1,y1),(x2,y2),⋯ ,(xi,yi),⋯ ,(xm,ym)}D=\lbrace (x_1,y_1),(x_2, y_2),\cdots,(x_i,y_i),\cdots,(x_m, y_m)\rbraceD={(x1,y1),(x2,y2),⋯,(xi,yi),⋯,(xm,ym)}, 其中yiy_iyi是示例xix_ixi的真是标记. 要评估学习器fff的性能,就要把学习器的预测结果f(x)f(x)f(x)与真实标记y原创 2020-08-30 08:35:58 · 305 阅读 · 0 评论 -
机器学习之线性回归之推导
机器学习之线性回归之推导 假设数据集D={(x1,y1),(x2,y2),⋯ ,(xi,yi),⋯ ,(xN,yN)}D=\lbrace (x_1, y_1),(x_2,y_2),\cdots,(x_i,y_i),\cdots,(x_N, y_N)\rbraceD={(x1,y1),(x2,y2),⋯,(xi,yi),⋯,(xN,yN)},其中xiϵRp,yiϵR,i=1,2,⋯ ,Nx_i\epsilon \mathbb{R}^p,y_i \epsilon\mathbb{R},i=1,2,原创 2020-08-29 19:06:27 · 109 阅读 · 0 评论