摘要：
朴素贝叶斯是解决分类任务的好起点，线性回归是解决回归任务的好起点。 简单线性回归 将数据拟合成一条直线。 y = ax + b , a 是斜率， b是直线截距 原始数据如下： 使用LinearRegression评估器来拟合数据 除了简单的直线拟合，还可以处理多维度的线性回归模型。 基函数回归 使用
阅读全文
posted @ 2022-06-05 19:22
llcl
阅读(79)
推荐(0)
编辑
摘要：
朴素贝叶斯模型 朴素贝叶斯模型是一组非常简单快速的分类方法，通常适用于维度非常高的数据集。因为运行速度快，可调参数少。是一个快速粗糙的分类基本方案。 naive Bayes classifiers 贝叶斯分类 朴素贝叶斯分类器建立在贝叶斯分类方法的基础上。数学基础是贝叶斯定理。 一个描述统计量条件概
阅读全文
posted @ 2022-06-05 18:27
llcl
阅读(63)
推荐(0)
编辑
摘要：
特征工程常见示例： 分类数据、文本、图像。 还有提高模型复杂度的 衍生特征 和 处理 缺失数据的填充 方法。这个过程被叫做向量化。把任意格式的数据 转换成具有良好特性的向量形式。 分类特征 比如房屋数据： 房价、面积、地点信息。 方案1：把分类特征用映射关系 编码成 整数 。 {'Queen Ann
阅读全文
posted @ 2022-06-05 12:48
llcl
阅读(123)
推荐(0)
编辑
