随笔分类 - 机器学习
摘要：第四章 朴素贝叶斯 朴素贝叶斯是有监督学习算法，解决的分类的问题，如客户是否流失，是否值得投资，信用登记评定，文档分类等多分类问题，下面将给出一些使用概率论分类的方法。 朴素：只做原始，最简单的假设，所有特征之前是统计独立的。 假设某个样本有a1，a2，a3，a4，.... an个属性，则P(X)
阅读全文
摘要：第三章 决策树 决策树(decision tree)是一种基本的分类与回归方法。适用于分类和回归，对应分类树和回归树。 适用数据类型：数值型和标称型。 决策树分类过程：从根节点开始，对实例的某一特征值进行测试，根据测试结果，将实例分配到其子节点，这时，每一个子节点对应着该特征的一个取值。如此递归地对
阅读全文
摘要：K - 近邻算法 2.1 k-近邻算法概述 2.1.1 kNN概述 K-近邻算法采用测量不同特征值之间的距离进行分类。 优点： 精度高，对异常数据不敏感，无数据输入假定。 缺点： 计算复杂度高，空间复杂度高。 使用数据范围： 数值型(回归)和标称型。 工作原理： 存在一个样本数据集合，也称作训练样本
阅读全文
