2020年12月7日
机器学习：朴素贝叶斯
摘要： 朴素贝叶斯法 朴素贝叶斯法 (Naïve Bayes) 是基于贝叶斯定理与特征条件独立假设的分类方法. 对于给定的训练集, 首先基于特征条件独立假设学习输入/输出的联合概率分布; 然后基于此模型, 对于给定的输入 \(\mathbf{x}\) 利用贝叶斯定理求出后验概率最大的输出 \(y\). 基本 阅读全文
posted @ 2020-12-07 21:11 肥嘟嘟左衛門 阅读(234) 评论(0) 推荐(0)
机器学习：K近邻算法
摘要： k-近邻法 k-近邻算法 k-近邻法 (k-nearest neighbor, k-NN) 是一种基本分类与回归方法. k-近邻不具有显示的学习过程, 实际上是利用训练数据集对特征向量空间进行划分, 并作为其分类的模型. 算法步骤如下 : 输入 : 训练数据集 \(T = \{ (\mathbf{x 阅读全文
posted @ 2020-12-07 21:06 肥嘟嘟左衛門 阅读(302) 评论(0) 推荐(0)
机器学习：线性回归
摘要： 线性回归 线性回归概念 线性回归模型 线性回归分析 (Linear Regression Analysis) 是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法. 即给定一个数据集 \(D={(\mathbf{x}_1,y_1),(\mathbf{x}_2,y_2),\cdots,(\m 阅读全文
posted @ 2020-12-07 20:54 肥嘟嘟左衛門 阅读(244) 评论(0) 推荐(0)