慕课学习笔记——2.2机器学习(监督学习_分类)

1.分类——三个基本分类模型

KNN + Nbays + 决策树
1.1 k近邻分类器

在这里插入图片描述
距离点Xk最近的一些点大多在w1数据集中,因此将它划分到w1中。
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
在这里插入图片描述
在这里插入图片描述
思考:为什么邻居是噪声点会导致过拟合?
因为训练集是特定的,如果是噪声点是没有推广性的,故产生过拟合。

1.2 决策树

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
在这里插入图片描述
在这里插入图片描述
fit函数貌似是专门用于调用算法训练的函数
在这里插入图片描述
对于各种算法的更进一步具体学习,可参照官网API

1.3 朴素贝叶斯

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
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

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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