qq_45792429的博客

朴素贝叶斯1. 关于朴素贝叶斯二级目录三级目录 1. 关于朴素贝叶斯 概率论是很多机器学习算法的基础 二级目录 三级目录

机器学习实战：逻辑斯蒂回归1、关于逻辑斯蒂回归1.1 一般过程1.2 优缺点1.3 Sigmoid函数2、基于最优化方法的最佳回归系数确定2.1 梯度上升法2.1.1 主要思想2.1.2 Logistic回归梯度上升优化算法2.1.3 绘制决策边界2.1.4 随机梯度上升2.1.5 改进的随机梯度上升3. 示例:从疝气病症预测病马的死亡率4.课外例子 1、关于逻辑斯蒂回归 1.1 一般过程 收集数据： 准备数据 分析数据 训练算法 测试算法 使用算法 1.2 优缺点 优点 ：计算代价不高，易于理解和实现

文章目录1、决策树1.1什么是决策树1.2和knn算法的区别1.3伪代码2 决策树的构造流程3 属性划分方法3.1 信息增益（ID3）3.1.1 信息熵3.1.2 信息增益1.5.2 信息增益率(C 4.5)1.5.2 基尼指数(CART) 1、决策树 1.1什么是决策树 有监督机器学习算法中的一类经典算法，是最经常使用的数据挖掘算法 它是一种典型的分类方法，首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。本质上决策树是通过一系列规则对数据进行分类的过程。 典型算法

这里写目录标题KNN算法原理优点：缺点：案例实现（书上）电影类别分类案例实现（课外）实验完善（） KNN算法原理 KNN是最简单的分类算法之一，也是最常用的分类算法之一，KNN算法是有监督学习中的分类算法。 knn算法的基本法则是：相同类别的样本之间在特征空间中应当聚集在一起，也就是说当要预测一个新的值x的时候，根据它距离最近的K个点是什么类别来判断x属于哪个类别 如图所示： 图中绿色点为我们要预测的值，当k值等于三时，算法判断离绿色点最近的三个图形中哪一类图形最多就将新预测的点归为哪一类。 当k值改变

机器学习课堂作业一安装python环境及numpy库新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式 安装python环境及numpy库 一、安装python环境及numpy库 忘记之前是什么时候安装好的python环境了，所以直接安装numpy库就好了 打开命令控制符，输入 pip install numpy 出现错误，于是按照提示输入指令升级pip版本 安装成功 新的改变 功能快捷键 合理的创建标题，有助于目录的生成 如何改变文本的样式 ...