lancet1105

摘要： 输入：{(x1,y1),(x2,y2),..(xN,yN),}，其中yi={c1,c2...ck},i=1,2...N，需要预测的特征向量x 输出：x对应的类别 算法： k近邻当k为1时，即退化为最近邻，k近邻没有显式的学习过程。 三要素：k值选择，距离度量，分类决策规则。 三种距离，曼哈顿，欧式距 阅读全文

摘要： 对于线性方程w*x+b = 0 对应于空间的一个超平面S，其中w是超平面的法向量，b是超平面的截距。超平面将空间划分为两个部分，位于平面两边的点分属于正负两类。 前提：数据线性可分，可以找的一个超平面S，w*x+b = 0，能够将数据完整划分开。 输入：{(x1,y1),(x2,y2),..(xN, 阅读全文

摘要： 一 统计学习方法的一般概念 首先提出了统计学习的定义，研究对象与方法，主讲监督学习。提出统计学习的三要素，模型，策略和算法。 一 统计学习 统计学习的特点 统计学习是关于计算机基于数据构建统计模型并运用模型对数据进行预测和分析的学科，学习的定义“如果一个系统能通过执行某个过程改进它的性能，这就是学习 阅读全文

摘要： 我的新博客 阅读全文