-零

摘要： 朴素贝叶斯 概述 贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。本章首先介绍贝叶斯分类算法的基础——贝叶斯定理。最后，我们通过实例来讨论贝叶斯分类的中最简单的一种: 朴素贝叶斯分类。 贝叶斯理论 & 条件概率 贝叶斯理论 我们现在有一个数据集，它由两类数据组成，数 阅读全文

摘要： 本文参考了该博客的实例，但该博客中的朴素贝叶斯公式计算错误，评论中的也不对，所以，重新写一篇。 作者：baidu-liuming 原文链接：带你彻彻底底搞懂朴素贝叶斯公式 更多参考：朴素贝叶斯算法原理小结 一. 朴素贝叶斯 朴素贝叶斯中的朴素一词的来源就是假设各特征之间相互独立。这一假设使得朴素贝叶 阅读全文

摘要： 原文链接：K-Means聚类算法原理 作者：刘建平Pinard K-Means算法是无监督的聚类算法，它实现起来比较简单，聚类效果也不错，因此应用很广泛。K-Means算法有大量的变体，本文就从最传统的K-Means算法讲起，在其基础上讲述K-Means的优化变体方法。包括初始化优化K-Means+ 阅读全文

摘要： 参考复习： https://blog.csdn.net/zhaoruixiang1111/article/details/79185927 https://blog.csdn.net/xialeizhou/article/details/81025958 阅读全文

摘要： 原文链接：https://www.joinquant.com/view/community/detail/ab2a6ecda285c5415de0e1a43db68914 Statsmodels 是 Python 中一个强大的统计分析包，包含了回归分析、时间序列分析、假设检验等等的功能。Statsm 阅读全文

摘要： 基础知识 变量定义 在研究变量关系的过程中，通常对于被研究的变量，称为因变量，也称为被解释变量，一般用Y表示。其它用来说明或解释因变量变化的变量称为自变量，也称为解释变量，用X表示。自变量可以有一个，也可以有多个。例如，如果我们想预测销售收入，则销售收入就是我们这次研究的因变量，如果我们是通过广告费 阅读全文

摘要： 标注 原文：Annotation 译者：飞龙 协议：CC BY-NC-SA 4.0 基本标注 使用text()会将文本放置在轴域的任意位置。 文本的一个常见用例是标注绘图的某些特征，而annotate()方法提供辅助函数，使标注变得容易。 在标注中，有两个要考虑的点：由参数xy表示的标注位置和xyt 阅读全文

摘要： ID3算法 ID3 提出了初步的决策树算法;C4.5 提出了完整的决策树算法;CART (Classification And Regression Tree) 目前使用最多的决策树算法; 1、ID3 算法 ID3 算法是决策树的经典构造算法，内部使用信息熵和信息增益来进行构建，每次迭代算则信息增益 阅读全文

摘要： 原文链接：https://zhuanlan.zhihu.com/p/63990922 一、概念 某些分类算法，要求我们对连续性的属性进行分类处理，离散化的过程主要包括确定分类的个数，并将数据集映射到这些分类中，这里涉及三种分类方法： 1）等宽法 类似于制作频数分布图，将属性分布值分为几个等分的分布区 阅读全文

摘要： 原文：决策树系列（一）——基础知识回顾与总结 作者： 学会分享~ 1.决策树的定义 树想必大家都会比较熟悉，是由节点和边两种元素组成的结构。理解树，就需要理解几个关键词：根节点、父节点、子节点和叶子节点。 父节点和子节点是相对的，说白了子节点由父节点根据某一规则分裂而来，然后子节点作为新的父亲节点继 阅读全文