摘要：利用logistic回归进行分类的主要思想：根据现有数据对分类边界建立回归公式，并以此进行分类。 logistic优缺点： 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。 .适用数据类型：数值型和标称型数据。 sigmoid函数： 梯度上升法： 梯度： 该公式将一直被迭代执 阅读全文

摘要：首先了解一下三个比较重要的公式： 条件概率公式：P(A|B)=P(AB)/P(B) 全概率公式： 贝叶斯：P(B|A) = P(A|B)P(B)/P(A) 优 点 ：在数据较少的情况下仍然有效，可以处理多类别问题。缺 点 ：对于输入数据的准备方式较为敏感。适用数据类型：标称型数据。 朴素贝叶斯中朴素 阅读全文

摘要：决策树优特点：优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特征数据。缺点：可能会产生过度匹配问题。适用数据类型：数值型和标称型 使用ID3算法划分数据集并构建决策树： 利用matplotlib注解绘制树形图： 数据集下载以及完整jupyter notebook 代码下 阅读全文

摘要：KNN也称K-近邻算法，简单来说，KNN采用测量不同特征值之间的距离的方法进行分类。 优点：精度高，对异常值不敏感，无数据输入假定。 确定：时间复杂度、空间复杂度较高 适用数据范围：数值型和标称型 工作原理简介：存在一个样本数据集合，并且每个样本数据集中都存在标签。输入没有标签的数据集之后，将新数据 阅读全文

摘要：队名：西北小靓仔 初赛成绩：西北21名 复赛成绩：西北24名 决赛无缘参加。。。 代码GitHub：https://github.com/qwqwqw110/2019CodeCraft 赛后总结：https://www.cnblogs.com/qiang-wei/p/10705479.html 求轻 阅读全文

摘要：先报一下最终成绩吧： 初赛西北赛区21名。 复赛西北赛区24名。 决赛与我无缘。 代码GitHub：https://github.com/qwqwqw110/2019CodeCraft 思路分析：https://www.cnblogs.com/qiang-wei/p/10705503.html 以下 阅读全文