Stray_Lambs的博客

如有问题，欢迎指出。 决策树模型 决策树(decision tree)是一种基本的分类与回归方法。我这里主要只讨论用于分类的决策树。在分类问题里面，决策树是根据样本的特征进行分类，模型可以认为是if-then规则的集合，举个例子，就好像是在给定的区间里面猜数字，每猜一次就会告诉你大了还是小了，然后根据这个进一步判断，不停的递归，最终找到那个数字。决策树学习的步骤通常就三个，特征选择、决策树生产和剪枝(防止过拟合)。而决策树生成也有三个方法，ID3、C4.5和CART，分别对应着不同的特征选择..

小白一个，如果有问题欢迎大家指正。 朴素贝叶斯法 朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入\输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。这里可以举个例子，就好比医生在帮病人看病的时候，病人手里的化验单以及各种检测证明(假设证明之间相互独立)，就是特征条件，医生就好比是一个分类器，输入了一堆特征条件x，然后进行判断病人具体得的是什么病也就是P(y|x)概率最大的那个，并且这个..