机器学习
机器学习相关的算法、案例等
zxxsid
我是菜鸟,但不是送快递的。。。
展开
-
sklearn-CountVectorizer
1、CountVectorizerfrom sklearn.feature_extraction.text import CountVectorizerCountVectorizer(input='content', encoding='utf-8', decode_error='strict', strip_accents=None, lowercase=True,原创 2020-08-04 17:25:47 · 167 阅读 · 0 评论 -
机器学习-算法-贝叶斯算法
贝叶斯定理相关公式:先验概率P(A):在不考虑任何情况下,A事件发生的概率条件概率P(B|A):A事件发生的情况下,B事件发生的概率后验概率P(A|B):在B事件发生之后,对A事件发生的概率的重新评估全概率:如果A和A’构成样本空间的一个划分,那么事件B的概率为:A和A’的概率分别乘以B对这两个事件的概率之和。贝叶斯定理:朴素贝叶斯:对于给定样本的特征向量;根据贝叶斯公式,该样本的类别的概率为:假设:特征属性之间独立,即上上式可以优化为:由于给定样本情原创 2020-09-11 23:03:13 · 300 阅读 · 0 评论 -
机器学习-算法-回归算法(线性回归、逻辑回归、softmax回归)
这篇文章介绍一下机器学习算法中比较基础的回归算法1 回归算法回归算法 有监督算法,常用的机器学习算法 建立“解释”变量(自变量X)和观测值(因变量Y)之间的关系; 构建一个算法模型(函数)来做属性(X)与标签(Y)之间的映射关系 试图寻找一个函数使得参数之间的关系拟合性最好 回归算法(函数)的最终结果是一个连续的数据值,输入值(属性值)是一个d维度的属性/数值向量 1.1 线性回归1.1.1 线性回归公式及求解公式 最终要求是计算出的值,并选原创 2020-09-21 11:22:49 · 359 阅读 · 0 评论 -
机器学习-概述
最近准备总结一下机器学习方面的知识,包括这种算法的原理、推导以及如何实现等,还有一些优化算法等数学知识,先从介绍机器学习方面的概括知识开始吧,包括机器学习的概念以及相关知识。。。1机器学习的定义根据已有的数据进行算法选择,并基于算法和数据构建模型,对未来进行预测基本概念: 输入:(属性值) 输出:(目标值) 获得一个目标函数: (理想的公式) 输入数据:(历史记录信息) 最终具有最优性能的假设公式: (学习得到的最终公式) 2机器学习相关概念:表..原创 2020-09-21 07:21:15 · 317 阅读 · 0 评论