摘要：
决策树（ID3、C4.5、CART） 1、决策树基本介绍 决策树是一种基本的分类与回归方法，他既可以是if-then 规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。 主要有点：可读性、分类快 本质：从训练数据集中归纳出一组分类规则 2、 决策树模型 决策树构建策略 常用算法： ID 阅读全文
摘要：
K近邻算法 一种基本分类与回归方法 k近邻算法 k近邻算法简单、直观：给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的k个实例，这k个实例的多数属于某个类，就把改输入实例分为这个类。 k近邻模型 三个基本要素：距离度量、K值的选择、分类决策规则 模型 当训练集、距离度量、K值及 阅读全文
摘要：
朴素贝叶斯 是基于贝叶斯定理与特征条件独立假设的分类方法。 这个假设是这个方法可以实际操作的前提 1、经典案例 P(B|A) A发生的的情况下B发生的概率：A就是抽中红豆 那么B一定就是绿豆 所以P(B|A)=1 P(A) 抽中红豆的概率 1/3 P(B) 路人抽中绿豆的概率 1 因为已经知道路人抽 阅读全文
摘要：
感知机 1、 感知机模型 二分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1和-1 二值，属于判别模型。 假设训练数据集是线性可分的，感知机学习的目标是求得一个能够将训练数据集正实例点和负实例点完全正确分开的分离超平面。如果是非线性可分的数据，则最后无法获得超平面。 2、感知机学 阅读全文
摘要：
精度评定中的准确率（Precision）和召回率（Recall） 在模式识别中，我们经常会使用到一些指标对目标识别或者影像分类的结果进行评价。 假设我们需要将一个样本集分类为苹果和非苹果两类，那么分类结果有四种情况： 第一种情况：True Positive，本来就是苹果被分类成苹果； 第二种情况：F 阅读全文