qq_40934293的博客

朴素贝叶斯概要不确定性知识表示与推理贝叶斯定理 朴素贝叶斯算法 算法基本流程 朴素贝叶斯算法的优缺点 朴素贝叶斯算法性能 算法小结贝叶斯定理贝叶斯定理的核心思想：选择具有最高概率的决策。贝叶斯概率引入先验知识和逻辑推理来处理不确定命题。条件概率： 表示事件B已经发生的前提下，事件A发生的概率，叫做事件B发生下事件A的条件概率，条件概率公式为   。一般我们可以...

logistic回归logistic回归实现原理：在每个特征上都乘以一个回归系数，然后把所有的结果值相加，将这个总和代入Sigmoid函数中，进而得到一个范围在0~1之间的数值。任何大于0.5的数据被分为A类，小于0.5的数据被分为B类。Sigmoid函数  是一种阶跃函数。当x为0 时，Sigmoid函数值为0.5,。随着x的增长，对应的Sigmoid值将逼近于1；随着...

决策树概要决策树的构造 ID3算法介绍 信息熵与信息增益 决策树的优缺点决策树的构造依决策树是托决策而建立起来的一种树。决策树是一个预测模型，代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表的某个可能的属性值，而每个叶结点则对应从根节点到该叶节点所经历的路径所表示的对象的值。选择属性，确定特征属性之间的拓扑关系。关键：分裂属性属...

K-近邻算法简要简单来说，k-近邻算法采用测量不同特征值之间的距离方法进行分类。（即近朱者赤，近墨者黑）k-近邻算法原理 k-近邻算法的三要素 k-近邻算法的基本流程 k-近邻算法优缺点 k-近邻算法的适用数据范围k-近邻算法原理存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将...