摘要：
朴素贝叶斯优点：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决策理论的核心思想：选择具有最高概率的决策朴素贝叶斯的一般过程（1）收集数据：可以使用任何方法。（2）准备数据：需要数值型或者布尔型数据。（3）分析数据：有大量特征时， 阅读全文
摘要：
我们经常使用决策树处理分类问题，近年来的调查表明决策树也是经常使用的数据挖掘算法K-NN可以完成多分类任务，但是它最大的缺点是无法给出数据的内在含义，决策树的主要优势在于数据形式非常容易理解决策树的优缺点：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 阅读全文
摘要：
K近邻算法概述优点：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、空间复杂度高适用数据范围：数值型和标称型工作原理：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征与样本集 阅读全文
摘要：
线性回归 回归是一种极易理解的模型，就相当于y=f（x），表明自变量 x 和因变量 y 的关系。最常见问题有如 医生治病时的望、闻、问、切之后判定病人是否生了什么病，其中的望闻问切就是获得自变量x，即特征数据，判断是否生病就相当于获取因变量y，即预测分类。 最简单的回归是线性回归，如图1.a所示，X 阅读全文
摘要：
什么是仿射变换？ 原理：1、一个任意的仿射变换都能表示为 乘以一个矩阵（线性变换） 接着再 加上一个向量（平移） 2、综上所述，我们能够用仿射变换来表示： 1）旋转（线性变换） 2）平移（向量加） 3）缩放操作（线性变换） 事实上，仿射变换代表的是两幅图之间的关系。 3、我们通常使用2*3矩阵来表示 阅读全文