![](https://img-blog.csdnimg.cn/20200424144450872.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习
机器学习是一门多学科交叉专业,涵盖概率论知识,统计学知识,近似理论知识和复杂算法知识,使用计算机作为工具并致力于真实实时的模拟人类学习方式, 并将现有内容进行知识结构划分来有效提高学习效率。
书生伯言
这个作者很懒,什么都没留下…
展开
-
机器学习提纲挈领-(3)决策树的sklearn使用,理论及推导,python实现,实践
决策树一、介绍二、DT简单实践1、分类2、回归理论1)公式及概念(1)信息增益(2)信息增益比(3)基尼系数2)不同的生成算法3)关于剪枝4)例子python实现在scikit-learn中一、介绍决策树(decision tree) 是一种基本的分类与回归方法。其目的是创建一种模型从数据特征中学习简单的决策规则来预测一个目标变量的值。决策树模型呈树形结构,在分类问题中,表示基于特征对实例进行分类的过程。它可以认为是if-then 规则的集合,也可以认为是定义在特征空间与类空间上的条件概率分布。其主要原创 2020-05-12 18:10:35 · 389 阅读 · 0 评论 -
机器学习提纲挈领-(2)贝叶斯的sklearn使用,理论及推导,python实现,实践
贝叶斯一、介绍二、GaussianNB分类简单实践三、理论1)公式及概念2)朴素贝叶斯法的参数估计A、极大似然估计B、贝叶斯估计3)例子四、python实现五、在scikit-learn中一、介绍朴素贝叶斯分类是一种直观而强大的分类任务算法。朴素贝叶斯分类是在应用贝叶斯定理的基础上进行的,特征之间具有很强的独立性假设。朴素贝叶斯分类用于文本数据分析(如自然语言处理)时,产生了良好的结果。朴素贝叶斯模型也被称为简单贝叶斯或独立贝叶斯。这些都是贝叶斯定理在分类器决策规则中的应用。朴素贝叶斯分类器将贝叶斯定理原创 2020-05-10 14:09:42 · 337 阅读 · 1 评论 -
机器学习提纲挈领-(1)k近邻法(KNN)的sklearn使用,理论及推导,python实现,实践
介绍最近邻法(k-Nearest neighbor method,或k-NN)是另一种非常流行的分类方法,有时也用于回归问题中。这和决策树一样,是最容易理解的分类方法之一。该方法遵循紧性假设:如果样本之间的距离测量得足够好,那么相似的样本更有可能属于同一类。应用场景在实际应用中,k-NN方法在某些情况下可以作为良好的起点(基线);在Kaggle竞赛中,k-NN通常用于构建元特征(即k-NN预测作为其他模型的输入)或用于叠加/混合;最近邻方法扩展到其他任务,如推荐系统。最初的决定可能是一个产品(或原创 2020-05-09 02:05:20 · 380 阅读 · 0 评论