摘要：一、概念 DBSCAN是一种基于密度的聚类算法，DBSCAN需要两个参数，一个是以P为中心的邻域半径；另一个是以P为中心的邻域内的最低门限点的数量，即密度。 优点： 1、不需要提前设定分类簇数量，分类结果更合理； 2、可以有效的过滤干扰。 缺点： 1、对高维数据处理效果较差； 2、算法复杂度较高，资 阅读全文

摘要：一、概念 K-means是一种典型的聚类算法，它是基于距离的，是一种无监督的机器学习算法。 K-means需要提前设置聚类数量，我们称之为簇，还要为之设置初始质心。 缺点： 1、循环计算点到质心的距离，复杂度较高。 2、对噪声不敏感，即使是噪声也会被聚类。 3、质心数量及初始位置的选定对结果有一定的 阅读全文

摘要：一、概念 随机森林（Random Forest）是一种由多个决策树组成的分类器，是一种监督学习算法，大部分时候是用bagging方法训练的。 bagging(bootstrap aggregating)，训练多轮，每轮的样本由原始样本中随机可放回取出n个样本组成，最终的预测函数对分类问题采用投票方式 阅读全文

摘要：一、概念 逻辑回归(Logistic Regression,LR)是一种广义的线性回归分析模型,属于监督学习算法，需要打标数据，可以用在回归、二分类和多分类等问题上,最常用的是二分类。 线性回归就是通过一条曲线区分不同的数据集，在二分类问题上会有一条直线对其进行区分，如下： 逻辑回归需要每组数据都是 阅读全文

摘要：一、概念 朴素贝叶斯模型（Naive Bayesian Model，NBM）是以条件概率为基础的分类器，是一种监督算法，常被用于文本分类和垃圾邮件过滤。贝叶斯理论解决的是逆向概率问题，即通过已经发生的已知的概率来推测未发生的事将会发生的概率。 二、计算 朴素贝叶斯各个事件发生的概率是彼此独立的，即m 阅读全文