蓝色蛋黄包的博客

1. 概述贝叶斯分类算法是统计学的一种概率分类方法，朴素贝叶斯分类是贝叶斯分类中最简单的一种。分类原理：利用贝叶斯公式根据某特征的先验概率计算出其后验概率，然后选择具有最大后验概率的类作为该特征所属的类。之所以称之为”朴素”，是因为贝叶斯分类只做最原始、最简单的假设：所有的特征之间是统计独立的。相关概念：（1）条件概率条件概率(Condittional probability)，就是指在事件B发生的情况下，事件A发生的概率，用P(A|B)来表示。表达如下：（2）...

一、概述决策树（Decision Tree）是有监督学习中的一种算法，并且是一种基本的分类与回归的方法。决策树有两种：分类树和回归树。（这里主要讨论分类树）相关概念：根节点：没有进边，有出边 中间节点：既有进边也有出边，但进边有且仅有一条，出边也可以有很多条 叶节点：只有进边，没有出边，进边有且仅有一条。每个叶节点都是一个类别标签 父节点和子节点在两个相连的节点中，更靠近根节点的是父节点，另一个则是子节点。两者是相对的...

机器学习——k近邻算法（KNN）1. 概述k-近邻算法（k-Nearest Neighbour algorithm），又称为KNN算法，是数据挖掘技术中原理最简单的算法。KNN的工作原理：给定一个已知标签类别的训练数据集，输入没有标签的新数据后，在训练数据集中找到与新数据最邻近的k个实例，如果这k个实例的多数属于某个类别，那么新数据就属于这个类别。可以简单理解为：由那些离X最近的k个点来投票决定X归为哪一类。以一个案例来说明，每条数据都有多种特征，和最后的类型，那我们就可以根据新电影的特.