發(fā)簡信
IP屬地：云南
-
機器學習（十）——概率圖模型之隱馬爾可夫模型嗯，終于迎來了終極大Boss。 1. 概論 想要理解清楚隱馬爾可夫模型確實比之前要難一些，但是我盡量講清楚。先來看一個問題：假設天氣的狀況分為：...
-
機器學習（九）——概率圖模型之樸素貝葉斯樸素貝葉斯分類是一種十分簡單的分類算法，叫它樸素貝葉斯分類是因為這種方法的思想真的很樸素，樸素貝葉斯的思想基礎是這樣的：對于給出的待分類項，求解...
-
機器學習（八）——集成學習對于訓練集數(shù)據(jù)，我們通過訓練若干個個體學習器，通過一定的結合策略，就可以最終形成一個強學習器，以達到博采眾長的目的。也就是說，集成學習有兩個主要...
-
機器學習（七）——決策樹一、決策樹簡介 決策樹的特點：1）既可以處理分類問題，也可以處理回歸問題2）對于缺失值數(shù)據(jù)也能比較好的處理3）高度可解釋 決策樹的思想很簡單： ...
-
機器學習（六）——支持向量機一、支持向量機的一般原理 支持向量機跟邏輯回歸比較像?？梢哉f，支持向量機是邏輯回歸的一種優(yōu)化或者擴展。因此，雖然說支持向量機既可以處理分類問題，...
-
機器學習（五）——神經(jīng)網(wǎng)絡
一、什么是神經(jīng)網(wǎng)絡 如果前面了解了邏輯回歸，其實神經(jīng)網(wǎng)絡比較容易理解。它就是一系列的類邏輯回歸的組合。（注意我這里用的是類邏輯回歸，因為它和邏輯...
-
機器學習（四）——邏輯回歸（下）
前面我們講了二元邏輯回歸問題。現(xiàn)在來討論多元邏輯回歸問題?？紤]一下，如果我們的返回值不是0，1，而是0，1，2，或者是“好”，“中”，“差”，那...
-
機器學習（三）——邏輯回歸（上）無論是分類還是回歸，都是想建立一個預測模型 ，給定一個輸入 , 可以得到一個輸出 。不同的只是在分類問題中, 輸出是離散的; 而在回歸問題中...
-
機器學習（二）——線性回歸由于在之前有專門的文章介紹線性回歸，因此這里不在贅述。在這里稍微提一句：R語言是一種向量語言，為了獲得更好的性能，建議使用向量運算。因此一般情況...