摘要：注：本人纯粹为了练手熟悉各个方法的用法 使用高斯朴素贝叶斯对鸢尾花数据进行分类 代码： 图片显示： 正确率： 阅读全文

摘要：1.条件概率 事件A和事件B 事件A发生的前提下事件B发生的概率: P(AB) = P(B|A)P(A) 举例： 十个球其中 3 黑 7白，做两次不放回的取球，求两次都拿到黑球的概率（事件A为第一次取，事件B为第二次取。） 事件A 发生的概率 P(A) = 3/7，事件A发生的前提下B发生的概率: 阅读全文

摘要：汉语分词中的基本问题：分词规范，歧义的切分和未登录词的识别 分词规范：（一般也就是指“词”的概念的纠缠不清的问题，），一方面来源于 单字词和词素之间的划界，另一方面就是词和短语（词组）的划界问题 歧义切分问题： 交集型切分歧义：汉字串AJB 其中 AJ,JB同时为词，此时的J 称作交集串 例如：结合 阅读全文

摘要：贝叶斯网络的形式化定义 特殊的贝叶斯网络 假定一个退化的贝叶斯网络， a1 -- > a2 -- > a3 -- > a4 -- > a5 -- > a6 这样的一个链条是标准的马尔科夫模型，还有二阶和三阶的。 该链条中A3 只与A4有关，与其他的无关 * 常见的伪随机数发生器可以看做是马尔科夫模型 阅读全文

摘要：知识储备 相互熵 信息增益（互信息） 条件概率： 全概率公式： 贝叶斯公式： 思考问题： 给定一个样本D，计算样本A1, A2, ...An发生的概率哪一个可能是会是最正确的呢？又怎样通过贝叶斯来解决这个问题？ 通过贝叶斯公式 选择n个样本中概率最大的那个作为最后的结论。p(D)是常数，假定p(Ai 阅读全文

摘要： 阅读全文

摘要：先插入代码 代码解析(以行号为基准) 11行：读取csv数据，n行4列，（4列分别为TV、Radio、Newspaper、Sales） 12行：选取（TV、Radio、Newspaper）这三个数据为特征量， 14行：sales为对应的数值（公式：y(sales) =θ0x0 + θ1x(tv) + 阅读全文

摘要：最近打算实现一些机器学习算法，一来希望可以帮助一些刚刚入门的小伙伴~其次，通过实现算法，加深自己对算法理论的理解！ 机器学习（Machine Learning,ML）是一门多领域交叉学科，涉及概率论、统计学、计算机、优化理论等多门学科。是专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技 阅读全文

摘要：备注：本篇博客是查询网络上其他的资料，在加上自己的理解 一：介绍 线性模型的简单理解：如果我们已知样本服从高斯分布，那我们就敢于用线性回归，这才是学习算法的本质所在。 定义：线性回归在假设特证满足线性关系，根据给定的训练数据训练一个模型，并用此模型进行预测。为了了解这个定义，我们先举个简单的例子；我 阅读全文

该文被密码保护。

摘要：https://blog.csdn.net/Notzuonotdied/article/details/77876080 plt.plot(x, y)：　# 第一个是横坐标的值，第二个是纵坐标的值 plt.show()： # 必要方法，用于将设置好的figure对象显示出来 plt.figure(n 阅读全文

摘要：label='Logistic Loss'：label 会做一个提示， plt.legend(loc='upper right')：将每个label的提示放在右上角， plt.savefig('1.png')：可以将生成的图片自动保存 # 5.2 损失函数：Logistic损失(-1,1)/SVM Hinge损失/ 0/1损失 x = np.array(np.linspace(... 阅读全文

摘要：sigma = 1 平方差，mu = 0 均值 python2 会出现中文显示的问题，在图形显示时加上下面两句，就可以正确显示 matplotlib.rcParams['font.sans-serif'] = [u'SimHei'] # FangSong/黑体 FangSong/KaiTi matp 阅读全文