zcy0108的博客

思考与讨论1.什么是支持向量假设超平面(w,b)(w,b)(w,b)能将训练样本正确分类，即对于(xi,yi)∈D(x_i,y_i)\in D(xi​,yi​)∈D，若yi=+1y_i=+1yi​=+1，则有wTxi+b>0w^Tx_i+b>0wTxi​+b>0；若yi=−1y_i=-1yi​=−1，则有wTxi+b<0w^Tx_i+b<0wTxi​+b<0.令wTxi+b≥+1,yi=+1wT+xi+b≤−1,yi=−1w^Tx_i+b\geq +1,y_i=+

决策树原理决策树是一种常见的分类模型。优点：具有很好地解释性，模型可以生成可以理解的规则。可以发现特征的重要程度。模型的计算复杂度较低。缺点：模型容易过拟合，需要采用减枝技术处理。不能很好利用连续型特征。预测能力有限，无法达到其他强监督模型效果。基于企鹅数据集的决策树实战思考与讨论1.为什么说Boosting既可减小方差，又可减小偏差？①因为boosting是一个迭代算法，每一次都根据上一次迭代的预测结果对样本进行加权，所以

逻辑回归算法原理逻辑回归算法实践基于鸢尾花(iris)数据集的分类预测