- 博客(5)
- 收藏
- 关注
RSS订阅原创 最大熵模型（Maximum Entropy）
五.Python代码实现from collections import defaultdictimport mathclass maximumEntropy(object): def __init__(self): self.feats=defaultdict(int) #创建一个类似字典的结构，区别在于defaultdict对于不存在的key的value默认为零
2017-09-24 00:12:02
1051
1
原创 线性回归（Linear Regression）
线性回归（Linear Regression） 在统计学中，线性回归(Linear Regression)是利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。因为自变量和因变量之间关系是线性关系，所以叫做线性回归。这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单回归,大于一个自变量情况的叫做多元回归。线性回归
2017-09-20 18:33:20
866
原创 k-邻近算法kNN及其python实现
k-邻近算法kNN 邻近法kNN是1967年提出的一种基本分类与回归方法。kNN中输入测试数据和训练样本，然后计算测试数据到每个训练样本之间的距离，接着选出距离最小的k个样本，根据k个样本的类别投票决定。K个样本中占多数的类别即为测试数据的类别。一．k-邻近算法的优缺点：1.优点：简单好用，容易理解，精度高，理论成熟，既可以用来做分类也可以用来做回归、适合于多分类问题、可用
2017-09-20 00:25:35
816
原创 朴素贝叶斯分类(Naive Bayesian classification)及其python实现
朴素贝叶斯分类(Naive Bayesian classification)贝叶斯分类是一类分类算法的总称，这类算法都以贝叶斯定理为基础，所以叫贝叶斯分类。而朴素贝叶斯模型（naive Bayes）是基于贝叶斯定理与特征条件独立假设的分类方法。朴素贝叶斯常常用于文本分类，然而该方法对于英文等语言很好用，对中文就不是很好。一. 朴素贝叶斯分类算法的优缺点以及应用场景：1. 优点：在数据
2017-09-19 17:38:31
4884
2
原创 逻辑回归（logistic regression）及其Python实现
逻辑回归（logistic regression）逻辑回归（LogisticRegression）是机器学习中的一种分类模型，由于算法的简单和高效，在实际中应用非常广泛。它虽然它名字里面有“回归”两个字，却不是一个回归算法，而是一个分类模型，它是被用来做分类的。之所以称之为回归，是因为它的学习的是模型模型的参数以最佳拟合已有的数据。（比如，根据已有的一些点，回归出它的直线参数的拟合过程，就
2017-09-18 17:58:36
5955
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人