bigbee

摘要： Logistic Regression Classifier逻辑回归主要思想就是用最大似然概率方法构建出方程，为最大化方程，利用牛顿梯度上升求解方程参数。 优点：计算代价不高，易于理解和实现。 缺点：容易欠拟合，分类精度可能不高。 使用数据类型：数值型和标称型数据。 介绍逻辑回归之前，我们先看一问题 阅读全文

摘要： 朴素贝叶斯（naive bayes）法是基于贝叶斯定理与特征条件独立假设的分类方法。 优点：在数据较少的情况下仍然有效，可以处理多分类问题。 缺点：对入输入数据的准备方式较为敏感。 使用数据类型：标称型数据。 下面从一个简单问题出发，介绍怎么使用朴素贝叶斯解决分类问题。 一天，老师问了个问题，只根据 阅读全文

摘要： kNN(k-nearest neighbor algorithm)算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。简单地说，K-近邻算法采用测量不同特征值之间的距离方法进行分类。 - 优点：精度高、对异常值不敏感 阅读全文

摘要： 决策数(Decision Tree)在机器学习中也是比较常见的一种算法，属于监督学习中的一种。看字面意思应该也比较容易理解，相比其他算法比如支持向量机(SVM)或神经网络，似乎决策树感觉“亲切”许多。 优点：计算复杂度不高，输出结果易于理解，对中间值的缺失值不敏感，可以处理不相关特征数据。 缺点：可 阅读全文