摘要：和之前的支持向量机，还有LDA不同，贝叶斯分类器是基于概率模型的分类器；也就是在所有相关概率已知的情况下，贝叶斯决策基于这些概率和误判损失来选择最优的类别标记。 对于贝叶斯分类器，是建立在贝叶斯概率模型上的： 贝叶斯模型是一种典型的”基于结果求原因的模型“，其中： p(w)：为先验概率，表示每种类别 阅读全文

摘要：关于SVM的描述： https://www.cnblogs.com/simpleDi/p/10230477.html 关于SVM最好的描述应该看西瓜书： 支持向量机的核心可以用下图描述之： 支持向量机的本质正如上图所示：求出一个超平面，将不同的类别分开。而这个超平面的位置，实际上仅仅与类别中与平面最 阅读全文

摘要：关于线性判别分析算法LDA算法，可以用来降维和分类，一种监督学习策略（也就是你要指定分几类），这一点是不同于PCA的（PCA是非监督学习的）。 推荐学习网址： https://blog.csdn.net/ruthywei/article/details/83045288 https://blog.c 阅读全文

摘要：网址：https://blog.csdn.net/monsterhoho/article/details/46753673 阅读全文