随笔分类 -  机器学习

心脏病预测（SVM模型）
摘要：题目 Solve the heart disease problem Here is a small dataset provided by the Cleveland Clinic Foundation for Heart Disease, which are several hundred ro 阅读全文
posted @ 2020-06-13 17:21 Tanglement 阅读(1962) 评论(0) 推荐(0)
逻辑回归练习
摘要：题目 The task is to determine whether a tumor will be benign (harmless) or malignant (harmful) based on leukocyte (white blood cells) count and blood pr 阅读全文
posted @ 2020-05-05 11:00 Tanglement 阅读(340) 评论(0) 推荐(0)
决策树和随机森林
摘要：一棵决策树包含一个根结点、若干内部结点和若干个叶节点；叶结点对应决策结果，其他每个结点则对应于一个属性测试；每个结点包含的样本集合根据属性测试的结果被划分到子结点中；根结点包含样本全集。从根结点到每个叶结点的路径对应一个判定测试序列。决策树学习的目的是为了产生一棵泛化能力强，即处理未见示例能力强的决 阅读全文
posted @ 2020-04-28 14:19 Tanglement 阅读(157) 评论(0) 推荐(0)
朴素贝叶斯
摘要：这篇博客讲解的不错[https://blog.csdn.net/guoyunfei20/article/details/78911721] 引自[https://blog.csdn.net/qiu_zhi_liao/article/details/90671932] 朴素贝叶斯是经典的机器学习算法之 阅读全文
posted @ 2020-04-27 22:06 Tanglement 阅读(292) 评论(0) 推荐(0)
主成分分析（PCA）
摘要：很容易理解的一篇博客[http://blog.codinglabs.org/articles/pca tutorial.html] 在高维情形下出现的数据样本稀疏、距离计算困难等问题，称为“维数灾难”。 缓解维数灾难的一个重要途径是降维。将原始高维属性空间转变成一个低维子空间，子空间样本密度大幅提高 阅读全文
posted @ 2020-04-27 09:04 Tanglement 阅读(1004) 评论(0) 推荐(0)
K近邻（KNN）
摘要：工作原理 K Nearest Neighbor，KNN。是一种常用的监督学习方法，其工作机制非常简单：给定测试样本，基于某种距离度量找出训练集中与其最靠近的K个训练样本，然后基于这K个邻居的信息来进行预测。通常，在分类任务中可使用投票法，选择K个样本中出现最多的类别标记作为预测结果；在回归任务中使用 阅读全文
posted @ 2020-04-26 12:40 Tanglement 阅读(383) 评论(0) 推荐(0)
最大期望算法（EM算法）
摘要：EM学习笔记推荐[https://www.cnblogs.com/bigmoyan/p/4550375.html] 最大期望算法（Expectation maximization algorithm，又译为期望最大化算法），是在概率模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于 阅读全文
posted @ 2020-04-25 19:02 Tanglement 阅读(878) 评论(0) 推荐(0)
K-means聚类算法
摘要：聚类概念 在无监督学习中，训练样本的标记信息是未知的，目标是通过对无标记训练样本的学习来揭示数据的内在性质和规律。此类学习任务中研究最多的是聚类。 聚类视图将数据中的样本分为若干个不相交的子集，每个子集称为一个簇。每个簇有各自的性质。 聚类既能作为一个单独过程，用于寻找数据内在的分布结构，也可以作为 阅读全文
posted @ 2020-04-24 19:52 Tanglement 阅读(189) 评论(0) 推荐(0)
支持向量机（SVM）
摘要：找到一篇很好的SVM学习笔记[https://blog.csdn.net/Revendell/article/details/84674024]，良心推荐。 在样本空间中，划分超平面可通过线性方程来描述： 其中w是法向量决定了超平面的方向，b为位移项，决定超平面与原点之间的距离。 支持向量 距离超平 阅读全文
posted @ 2020-04-23 10:52 Tanglement 阅读(256) 评论(0) 推荐(0)
生成学习算法
摘要：引自[https://www.cnblogs.com/czdbest/p/5771500.html] 对p(x|y)建模。根据大象的特征学习出一个大象模型，根据狗的特征学习出狗的模型，对于新的样本，将特征分别放到两个模型，哪个概率大，就确定是哪种动物。 p(x|y)建模后，用贝叶斯定理，可以算出p( 阅读全文
posted @ 2020-04-22 16:14 Tanglement 阅读(125) 评论(0) 推荐(0)
线性回归LR，广义线性模型GLM，逻辑斯蒂回归
摘要：只是学习笔记，杂乱。 在[https://blog.csdn.net/Cdd2xd/article/details/75635688]有更好的归纳和解释。 基本形式 线性模型，具有更好的可解释性，每个参数有表示的意义。 线性回归试图学得一个线性模型以尽可能准确地预测实值输出标记。 要训练w使得代价函 阅读全文
posted @ 2020-04-21 23:12 Tanglement 阅读(485) 评论(0) 推荐(0)