摘要：
决策树对实例进行分类的树形结构，由节点和有向边组成。其实很像平时画的流程图。 学习决策树之前要搞懂几个概念： 熵：表示随机变量不确定性的度量，定义：H（p）=- 信息增益：集合D的经验熵与特征A条件下D的经验条件熵H(D/A）之差（公式省略，自行查找） 信息增益比：信息增益g(D,A)与训练数据集D 阅读全文
摘要：
朴素贝叶斯法：对于给定训练集，首先基于特征条件独立假设学习 输入输出的联合分布，然后基于此模型，对给定的x，利用贝叶斯定理求出后验概率最大的输出y。 我理解为假设各项特征相互独立，计算该特征分别在两个类别中出现的概率。待分类样本有多个特征，分别计算这些特征在每个类别出现概率之积，那个乘积大，该样本被 阅读全文
摘要：
KNN 阅读全文