qq_41995574的博客

作者：張張張張github地址：https://github.com/zhanghekai【转载请注明出处，谢谢！】【参考文献】sklearn 贝叶斯部分官网 https://scikit-learn.org/stable/modules/naive_bayes.htmlapache github主页：https://github.com/apachecn/AiLearning...

作者：張張張張github地址：https://github.com/zhanghekai【转载请注明出处，谢谢！】文章目录一、朴素贝叶斯概述二、朴素贝叶斯分类器1. 朴素贝叶斯分类器表达式2. 极大似然估计3. 例题4. 拉普拉斯修正及例题三、朴素贝叶斯算法小结一、朴素贝叶斯概述    \quad\;\;贝叶斯分类是一类分类算法的...

作者：張張張張github地址：https://github.com/zhanghekai【转载请注明出处，谢谢！】文章目录一、纯python实现kNN Brute-Force法kNN项目案例：优化约会网站的配对效果二、sklearn实现kNN：KDTree和BallTree一、纯python实现kNN Brute-Force法kNN项目案例：优化约会网站的配对效果项目概述拉克丝使用...

作者：張張張張github地址：https://github.com/zhanghekai【转载请注明出处，谢谢！】

作者：張張張張github地址：https://github.com/zhanghekai【转载请注明出处，谢谢！】【参考文献】apache github主页：https://github.com/apachecn/AiLearning

作者：張張張張github地址：https://github.com/zhanghekai【转载请注明出处，谢谢！】

作者：張張張張github地址：https://github.com/zhanghekai【转载请注明出处，谢谢！】一、SVM核函数SVM基本型假设的是训练样本是线性可分的，即存在一个划分超平面能将训练样本正确分类。然而在现实任务中，原始样本空间内也许并不存在一个能正确划分两类样本的超平面，如下图所示的“异或”问题就不是线性可分的。对于这样的问题，可将样本从原始空间映射到一个更高维的特...

作者：張張張張github地址：https://github.com/zhanghekai【转载请注明出处，谢谢！】ID3决策树 西瓜数据集2.0案例项目概述：\quad根据以下6个特征，将西瓜分成两类：好瓜和坏瓜特征：\quad 1.西瓜的颜色\quad 2.西瓜的根卷曲程度\quad 3.敲打西瓜发出的声音\quad 4.西瓜表面的纹理\quad 5.西瓜脐部凹陷情况...

作者：張張張張github地址：https://github.com/zhanghekai【转载请注明出处，谢谢！】SVM概述假定给出训练样本集D={(x1,y1)，(x2,y2)，...，(xm,ym)}，yi∈{−1，+1}D=\{(x_1,y_1)，(x_2,y_2)，...，(x_m,y_m)\}，y_i \in \{-1，+1\}D={(x1​,y1​)，(x2​,y2​)，.....

作者：張張張張github地址：https://github.com/zhanghekai【转载请注明出处，谢谢！】一、剪枝处理​ 剪枝(pruning)是决策树学习算法对付“过拟合”的主要手段，可通过主动去掉一些分支来降低过拟合的风险。“预剪枝(prepruning)：”预剪枝是指在决策树生成过程中，对每个节点在划分前先进行估计，若当前节点的划分不能带来决策树泛化性能提升，则停止划...

作者：張張張張github地址：https://github.com/zhanghekai【转载请注明出处，谢谢！】一、决策树概述决策树（Decision Tree）算法是一种基本的分类与回归方法，是最经常使用的数据挖掘算法之一。决策树是一种非线性有监督分类模型必须将已有的数据进行离散化，即：从字符串变成数值。构造决策树的基本思想是随着树深度的增加，节点的“熵”迅速降低，熵降低的速度越快越...

作者：張張張張github地址：https://github.com/zhanghekai【转载请注明出处，谢谢！】一、机器学习概述**机器学习(Machine Learning,ML)**是使用计算机来彰显数据背后的真实含义，它为了把无序的数据转换成有用的信息。它致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析...