经典的机器学习方法

本文探讨了机器学习中概率建模的概念,介绍了朴素贝叶斯算法和logistic回归等分类算法,回顾了早期神经网络的发展,并深入讲解了核方法及其代表算法支持向量机(SVM),为读者提供了对传统机器学习算法的全面理解。

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

1、概率建模

  1. 定义:是统计学原理在数据分析中的应用。是最早的机器学习的形式之一
  2. 最有名的算法之一:朴素贝叶斯算法

      朴素贝叶斯是一类应用贝叶斯定理的机器学习分类器,它假设谁数据的特征都是独立的。

  3. logistic回归:一种分类算法

2、早期的神经网络

  1. 已近被现代方法取代

3、核方法

  1. 核方法是一组分类算法
  2. 代表算法:支持向量机(SVM,support vector machine
  3.  

     

 

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