heccxx的博客

人工神经网络在热门的人工智能领域有着很多很好的应用。在网上也有很多优秀的文章阐述人工神经网络的原理和应用，可以参考以下优秀的文章。https://blog.youkuaiyun.com/leiting_imecas/article/details/60463897https://blog.youkuaiyun.com/sinat_36171246/article/details/71056454?locati...

决策树中ID3算法是一种贪心算法，用来构造决策树。ID3算法主要用到每个属性的信息增益，使用到信息熵。ID3算法计算每个属性的信息增益，并选取具有最高增益的属性作为给定集合的测试属性。对被选取的测试属性创建一个节点，并以该节点的属性标记，对该属性的每个值创建一个分支据此划分样本.信息熵从通俗易懂的角度来说就是信息的价值。比如本次是做对网络上课程销量的预测，而影响一门课程销量的因素有该课程是否有...

admit、GPA、grade、rank分别代表录取情况、绩点、成绩、学校排名，此次利用sklearn库进行逻辑回归的简单训练。进行筛选主要特征值，模型准确率。import pandas as pdafrom sklearn.linear_model import LogisticRegression as LRfrom sklearn.linear_model import Ran...

之前记录过利用knn实现手写体识别。现在记录一下利用贝叶斯算法实现，训练数据和测试数据和knn的一样。首先了解贝叶斯理论知识。贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。而朴素朴素贝叶斯分类是贝叶斯分类中最简单，也是常见的一种分类方法。那么既然是朴素贝叶斯分类算法，它的核心算法又是什么呢？是下面这个贝叶斯公式：换个表达...

 一、首先学习学习knn算法。kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 kNN方法在类别决策时，只与极少量的相邻样本有关。由于kNN方法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属类别的，因此...