yuanxun4683的博客

《机器学习实战》第二章.k-近邻算法2.1 k-近邻算法概述采用测量不同特征值之间的距离的方法进行分类k-近邻算法优点：精度高、对异常值不敏感、无数据输入假定。缺点：计算复杂度高、空间复杂度高。使用数据范围：数值型和标陈型。2.2 工作原理如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属

《机器学习实战》第三章.决策树算法（ID3）3.1决策树算法名词概念解释信息：这个是熵和信息增益的基础概念，。例如：‘鸡’与‘狗’（加引号表示说明的名称）表示修饰和定义，没加引号即单纯的说存在的这个动物。’鸡’是用来修饰鸡这个动物的，’狗’也同样，这个定义也可以被修改，如果把狗这种动物命名为鸡，那么看到狗就可以称之为鸡。信息应该是对一个抽象事物的命名，无论用不用这个信息来命名这种事物，

《机器学习实战》第四章.基于概率论的分类方法朴素贝叶斯4.1朴素贝叶斯名词概念解释贝叶斯决策论：是概率框架下实施决策的基本方法。在所有相关概率都已知的理想情形下，贝叶斯决策论考虑如何基于这些概率和误判损失来选择最优的类别标记。词向量：将语言数学化，一种最简单的词向量方式是 one-hot representation，就是用一个很长的向量来表示一个词，向量的长度为词典的大小，向量的

目录 第一章 特征工程1.1特征归一化1.2高维组合特征的处理 第一章 特征工程特征工程：对原始数据进行一系列工程处理，将其提炼为特征。作为输入给算法和模型使用。本质上，特征工程是一个表示和展现数据的过程。特征工程旨在去除原始数据中的杂志。结构化数据：类似于数据库中的一个表，每一个行列...

转载自：https://www.cnblogs.com/Zhi-Z/p/8728168.html摘要：　　数据挖掘、机器学习和推荐系统中的评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure)简介。引言：　　在机器学习、数据挖掘、推荐系统完成建模之后，需要对模型的效果做评价。业内目前常常采用的评价指标有准确率(Precision)、召回率(R...

1 均值2 方差3 大数定理4 中心极限定理5 假设检验6 p-value定义