Azuresmh的博客

SVM就是试图把棍放在最佳位置，好让在棍的两边有尽可能大的间隙。这个间隙就是球到棍的距离。这里我们看到两种不同颜色的小球我们找到一个棍子放在其中，把他们分割开来，但是仅仅是这么简单嘛，不不，我们还要考虑怎么放这根棍子，能够分开这两种小球的棍子在中间有无数种方法哪种最好呢？保证决策面方向不变且不会出现错分样本的情况下移动决策面，会在原来的决策面两侧找到两个极限位置（越过该位置就会产生错分现象），如虚线所示。虚线的位置由决策面的方向和距离原决策面最近的几个样本的位置决定。而这两条平行虚线正中间的分.

前面的文章已经介绍了五种不同的分类器，它们各有优缺点。我们可以很自然地将不同的分类器组合起来，而这种组合结果则被成为集成方法(ensemble method)或者元算法(meta-algorithm)。使用集成方法时会有多种形式：可以是不同算法的集成，也可以是同一种算法在不同设置下的集成，还可以是数据集不同部分分配给不同分类器之后的集成。1 Bagging自举汇聚法（bootstrap aggregating），也称为bagging方法。Bagging对训练数据采用自举采样（boostrap sam.

二 Logistic回归与梯度上升算法Logistic回归是众多分类算法中的一员。通常，Logistic回归用于二分类问题，例如预测明天是否会下雨。当然它也可以用于多分类问题，不过为了简单起见，本文暂先讨论二分类问题。首先，让我们来了解一下，什么是Logistic回归。1 Logistic回归假设现在有一些数据点，我们利用一条直线对这些点进行拟合(该线称为最佳拟合直线)，这个拟合过程就称作为回归，如下图所示：Logistic回归一种二分类算法，它利用的是Sigmoid函数阈值在[0,1]这个特性。

朴素贝叶斯算法是有监督的学习算法，解决的是分类问题，如客户是否流失、是否值得投资、信用等级评定等多分类问题。该算法的优点在于简单易懂、学习效率高、在某些领域的分类问题中能够与决策树、神经网络相媲美。但由于该算法以自变量之间的独立（条件特征独立）性和连续变量的正态性假设为前提，就会导致算法精度在某种程度上受影响。贝叶斯1.贝叶斯决策理论假设现在我们有一个数据集，它由两类数据组成，数据分布如下图所示：我们现在用p1(x,y)表示数据点(x,y)属于类别1(图中红色圆点表示的类别)的概率，用p2(x,y

1.原理：决策树说白了就是帮助我们去做一个决策的构建，就比如在对方没有房子的时候我们就要考虑他的上进心.没有上进心则又要考虑等等等要考虑哪些问题，这些可以我们人为构建也可以通过决策树算法构建那么每一级都有不同的选择指标，怎么判断哪个指标的影响力更大，比如对方有房子、有车则对方的相貌emmm就不考虑了，那么怎么去判断这个指标的重要性呢，我们人当然剋有直接去判断，电脑可不行所以我们提出了 **信息增益的概念****信息增益是相对于特征而言的。所以，特征A对训练数据

原理：给定一个样本集，样本集中不同标签的的集和拥有者相同的一些特征，通过对新的没有标签的数据的特征值与训练集中的不同标签的集合的特征值求距离，从而选中最近的那个。暨赋予他同样的标签。举个例子比如现在有一个电影 我们需要判断他是喜剧片还是爱情片，我们就需要根据它的特征值进行比对，比如通过判断他们当中枪战的次数和大笑的两个特征值，对新有的电影对比原有训练集比对距离从而得到。有多个特征值就用欧氏距离公式扩展开来 字体识别的图片转化为数字也可以通过的比对这方面来判断。...

import matplotlib.pyplot as pltsquares = [1,4,9,16,25]plt.plot(squares)plt.show()#关于画图的一些设置plt.plot(squares,linewidth=5)#设置图标标题，并给坐标轴加上标签plt.title(“Squre Numbers”,fontsize=24)plt.xlabel(“Value...

print('hello world!')first_name = "ada"last_name = "lovelace"full_name = first_name + ""+last_nameprint(full_name)#添加制表符print("\tpyhon")#添加回车符print("\npython")print("python")#删除空白test_langu...

bicycle = ['trek','cannondale','redline','spcialized']print(bicycle)输出结果[‘trek’, ‘cannondale’, ‘redline’, ‘spcialized’]这显然不是我们想要输出的print(bicycle[0])结果trek这里有一点就是python的索引是从0开始不是不从1开始通过索引最后一...

首先你必须下载python 和pycharm这个需要你自己去下载 安装包有个安装管家的微信公众号 好像是有安装包和安装的步骤详解可以自己参照这里提示下就是假如打开没有左侧的导航图可以通过这样得到...