摘要： 朴素贝叶斯的学习与分类，朴素贝叶斯的参数估计算法。 朴素贝叶斯法的学习与分类 设输入空间$\mathcal{X} \subseteq R^n$为$n$维向量的集合，输出空间为类标记集合$\mathcal{Y} = {c_1,c_2,\cdots,c_K}$，输入为特征向量$x \in \mathca 阅读全文

摘要： 首先叙述$k$近邻算法，然后讨论$k$近邻模型及三个基本要素，最后讲述$k$近邻法的一个实现方法，$kd$树，介绍构造和搜索$kd$树的算法。 k近邻算法 输入：训练数据集$T = {(x_1,y_1),(x_2,y_2),\cdots,(x_N,y_N)}$，其中，$x_i \in \mathca 阅读全文

摘要： 首先介绍感知机模型，然后叙述感知机的学习策略，特别是损失函数，最后介绍感知机学习算法，包括原始模式和对偶模式，并证明算法的收敛性 感知机模型 输入空间(特征空间)：$\mathcal{X} \subseteq R^n$，假设$x \in \mathcal{X}$ 输出空间：$\mathcal{Y} 阅读全文