2018年6月4日

摘要： 一.贝叶斯 朴素贝叶斯的思想基础：对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别。通俗来说，就好比这么个道理，你在街上看到一个黑人，我问你你猜这哥们哪里来的，你十有八九猜非洲。为什么呢？因为黑人中非洲人的比率最高，当然人家也可能是美洲人或亚洲人， 阅读全文

摘要： 一.集成算法概述 目的：让机器学习效果更好 二.集成方法（基础模型：树模型比较合适） 1.Bagging（并行） 训练多个分类器取平均，并行训练一堆分类器 随机森林 随机：数据采样随机（60%-80%有放回随机采样），特征选择随机（60%-80%有放回随机采样） 备注：每棵树数据量和特征数量相同 森 阅读全文

摘要： 一．决策树概念 决策树：从根节点开始一步步走到叶子节点 节点（特征）： 根节点：第一个选择点 非叶子节点与分支：中间过程 叶子节点：最终的决策结果（容易理解错误） 增加节点相当于在数据中切一刀（节点并不是越多越好） 说明：所有的数据最终都会落到叶子节点；决策树既可以做分类也可以做回归 例子：一家人谁 阅读全文