算法链接

本文详细介绍了多种机器学习算法,包括PCA、SVM、逻辑回归、HMM、KNN、张量、强化学习、K-Means、EM算法、LDA、朴素贝叶斯、随机森林等,并探讨了它们的应用场景,特别分析了朴素贝叶斯算法的优点和缺点。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

PCA

SVM详细介绍

逻辑回归1

逻辑回归2

机器学习好多算法

 HMM

KNN

张量

强化学习

K-Means

EM算法

LDA

朴素贝叶斯

随机森林

sigmoid 和 softmax区别

http://www.cnblogs.com/leoo2sk/archive/2010/09/17/naive-bayesian-classifier.html

朴素贝叶斯:

优点:
  (1) 算法逻辑简单,易于实现(算法思路很简单)
  (2)分类过程中时空开销小(假设特征相互独立,只会涉及到二维存储)
缺点:
  理论上,朴素贝叶斯模型与其他分类方法相比具有最小的误差率。但是实际上并非总是如此,这是因为朴素贝叶斯模型假设属性之间相互独立,这个假设在实际应用中往往是不成立的,在属性个数比较多或者属性之间相关性较大时,分类效果不好。
而在属性相关性较小时,朴素贝叶斯性能最为良好。对于这一点,有半朴素贝叶斯之类的算法通过考虑部分关联性适度改进。
整个例子详细的讲解了朴素贝叶斯算法的分类过程

 

CRF (待找)

及他们用在什么地方..

tf-idf 

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