该文被密码保护。 阅读全文
摘要:
1. 线性回归 核心公式: w = (XTX)-1XTY 流程伪代码: 核心代码: 2. 局部加权线性回归 (就是中间乘上权值W) 核心公式: 参数w = (XTWX)-1XTWY 权值Wi = exp( ||xi - x|| / ( -2*k2) ) 流程伪代码: 核心代码: 阅读全文
摘要:
K-Means 是发现给定数据集的 K 个簇的聚类算法, 之所以称之为 K-均值 是因为它可以发现 K 个不同的簇, 且每个簇的中心采用簇中所含值的均值计算而成. 优缺点: 流程伪代码: 二分K-Mean聚类算法流程: 核心代码: 阅读全文
摘要:
Logistic 回归 或者叫逻辑回归 虽然名字有回归,但是它是用来做分类的。其主要思想是: 根据现有数据对分类边界线(Decision Boundary)建立回归公式,以此进行分类。 优缺点: 流程: 核心代码: 阅读全文
摘要:
朴素贝叶斯 朴素贝叶斯是贝叶斯分类器的一个扩展,是用于文档分类的常用算法 优缺点: 流程伪代码: 核心代码: 阅读全文
摘要:
决策树(Decision Tree)算法是一种基本的分类与回归方法 分类决策树模型是一种描述对实例进行分类的树形结构。决策树由结点(node)和有向边(directed edge)组成。结点有两种类型:内部结点(internal node)和叶结点(leaf node)。内部结点表示一个特征或属性( 阅读全文