机器学习
文章平均质量分 88
让记录变成习惯
@居安
未来已经到来,只是尚未流行
展开
-
朴素贝叶斯法
朴素贝叶斯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,首先基于特征条件的独立假设学习输入输出的联合概率分布;然后基于此模型,对给定的输入x,利用贝叶斯定理求出后验概率最大的输出 y。例如有C1以及C2两种类别,我们需要判断样本属于哪一个class:判别式模型:要确定一个样本是属于C1还是C2,用判别模型的方法是从历史数据中学习到模型,然后通过提取该样本的特征来预测出该样本属于C1的概率以及C2的概率。生成式模型:根据C1的特征首先学习出一个C1的模型,然后根据C2的特征学习出一个原创 2022-06-19 17:28:20 · 615 阅读 · 1 评论 -
学习决策树
机器学习中,决策树是一个预测模型;他代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象,而每个分叉路径则代表的某个可能的属性值,而每个叶结点则对应从根节点到该叶节点所经历的路径所表示的对象的值。决策树仅有单一输出,若欲有复数输出,可以建立独立的决策树以处理不同输出。当一个女孩家人push他去相亲,这时候见与不见就需要斟酌斟酌。上图女生选择见与不见就是一个决策的过程,我们的每一个非叶子节点都是我们一个决策点,上述的过程也是可以转换成我们的if-then规则的过程的:由决策树的根节原创 2022-04-30 21:53:08 · 974 阅读 · 0 评论 -
KNN(K近邻)
一,古语说得好,物以类聚,人以群分;近朱者赤,近墨者黑。这两句话的大概意思就是,你周围大部分朋友是什么人,那么你大概率也就是这种人,这句话其实也就是KNN算法的核心思想。所谓的物以类聚,人以群分,我们需要量化样本之间的差距,我们先来看看几个公式1,欧几里得距离欧几里得距离是运用最广的一种计算距离的方式,我们从小在课本上接触到的也是这个东西,它衡量的是多维空间中两点之间的绝对距离,表达式如下:2,明可夫斯基距离明可夫斯基距离是一种对多种距离的概括性描述,其表达式如下:3,.原创 2022-04-21 13:33:27 · 1127 阅读 · 0 评论 -
傅里叶变换理解
在解读傅里叶之前我们说说变换,在数学中变换是随处可见的,就比如如下的两个点,这是在直角坐标系中的两个点,我们在坐标系中清晰的画出了他的位置。同时我可以用数组去表示这两个点,A(2,1),B(1,2),就这样我们把点的位置从直角坐标装换成了一对数字,同时我们可以通过数字在直角坐标系中找到相应的位置,从位置到数字的过程就是一个变换,而从数字到位置就是这个变换的逆过程。再比如我们想要找到以A和B为临边的平行四边形,我们在图上通过平移等利用平行四边形的性质可以找出那个定点,但对应到我们一对数字我们也可以找到原创 2022-04-20 20:45:53 · 858 阅读 · 0 评论 -
感知机简单理解
感知机模型是机器学习当中的一个二分类器模型,并且是一种线性分类器。从输入空间到输出空间经过如下的函数: 其中w和b为感知机的模型参数,w叫作权值或者权值向量,b叫作偏置。sign是符号函数,既 感知机是一种线性分类模型,属于判别模型。感知机模型的假设空间是定义在特征空间中的所有线性分类模型。感知机对线性方程的几何解释; 对于特征空间中存在一个超平面S,其中w是超平面的法向量,b是超平面的截距。这个超平面将特征空间分成两部分,位于这个平面两侧的样本(特征向量)分别被称为原创 2022-04-01 21:09:39 · 904 阅读 · 0 评论