文章分类 - ML in Action
Machine Learning in Action
摘要：AdaBoost 通过结合相似的分类器进行性能提高 使用AdaBoost算法 处理分类不平衡问题 [TOC] 元算法（meta algorithm）是对其他算法进行组合的一种方式 AdaBoost 一种监督学习方法，是一种元算法 "核心概念" booststraping 自助法，依靠你自己的资源 一
阅读全文
摘要：SVM 介绍 SVM 使用SMO优化算法 使用核函数对数据进行空间转化 与其他分类器对比 [TOC] SVM 的实现方法有多种,本章介绍最常见的一种:序列最小化优化算法(SMO, sequential minimal optimization algorithm) 通过最大化间隔分离数据 优点 泛化
阅读全文
摘要：Logistic regression sigmoid 函数和逻辑回归分类器 优化 梯度下降算法 缺失值处理 [TOC] 逻辑回归的一般方法 收集数据 准备：数值型数据用于距离计算。最好是结构化数据 分析 训练：最花费时间的地方，找到一套最优参数来分类 测试 应用 逻辑回归分类和 sigmoid 函
阅读全文
摘要：Naive Bayes 使用概率分布进行分类 学习朴素贝叶斯分类器 解析 RSS 源数据 使用朴素贝叶斯来分析区域态度 [TOC] 从最简单的概率分来开始 然后在此基础上加入一些假设 然后学习朴素贝叶斯分类 基于贝叶斯决策理论的分类方法 朴素贝叶斯优点： 可以处理少量数据，可以处理多分类 缺点： 对
阅读全文
摘要：Decision Trees decision tree algorithm 测量数据一致性 使用递归构建决策树 使用 展示决策树 [TOC] 决策树相对knn的优势是对数据有一定的洞见，能帮助人们理解数据 决策树常用于专家系统 用决策树得到的规则常与人类专家的经验比较 实现 ID3 算法 决策树
阅读全文
摘要：K Nearest Neighbors KNN algorithm 从文件读数据 画散点图 归一化数值型数据 [TOC] 根据距离分类 优点 精度高 对奇异点不敏感 对数据没有假设 缺点 计算量大 需要大量内存 数据类型 数值型，名词性数值 算法描述 没有训练过程，直接进行分类。当获取了新的数据，遍
阅读全文
摘要：Machine Learning basics 机器学习基础 机器学习概览 机器学习中的关键问题 为什么需要学习机器学习 为什么Python很重要 机器学习 将数据转化为信息 使用统计学 互联网的出现使得数据海量增长 分类 监督学习 K近邻 朴素贝叶斯 SVM 决策树 线性回归 局部权重的线性回归
阅读全文
摘要：Machine Learning in Action Introduction by Peter Harrington "baiduyun" c9fq [TOC] Contents Classification Machine Learning basics 机器学习基础 Classifying w
阅读全文
浙公网安备 33010602011771号