ToDo ToDo Done

摘要： 一 、朴素贝叶斯算法概述 前面我们讲过KNN分类算法和决策树分类算法，两者最终都是预测出实例的确定的分类结果，但是，有时候分类器会产生错误结果；本章要学的朴素贝叶斯分类算法则是给出一个最优的猜测结果，同时给出猜测的概率估计值。 朴素贝叶斯对一个测试样本分类时，通过比较p(y=0|x)和p(y=1|x 阅读全文

摘要： 一 、决策树概述 前面我们讲的kNN算法，虽然可以完成很多分类任务，但它最大的缺点是无法给出数据的内在含义，而决策树的主要优势就在于数据形式非常容易理解。决策树算法能够读取数据集合，决策树的一个重要任务是为了数据所蕴含的知识信息，因此，决策树可以使用不熟悉的数据集合，并从中提取一系列规则，在这些机器 阅读全文

摘要： 利用三遍读书法学习机器学习这本书，下面展示的是第一遍读书后所绘的思维导图，工具是《幕布》： 第一遍读书主要是罗列，简单对比了每一种算法的特点及优缺点，在第二遍读书的时候再继续优化，敬请期待！ 阅读全文

摘要： 近在学习《机器学习实战》这本书，做了一些笔记，和大家分享下： 一 、K-近邻算法（KNN）概述 最简单最初级的分类器是将全部的训练数据所对应的类别都记录下来，当测试对象的属性和某个训练对象的属性完全匹配时，便可以对其进行分类。但是怎么可能所有测试对象都会找到与之完全匹配的训练对象呢，其次就是存在一个 阅读全文