1.理解分类与监督学习、聚类与无监督学习。 简述分类与聚类的联系与区别。 分类就是按照数据的属性给对象贴上标签，再根据标签来分类，属于无监督学习，聚类就是指事先定义好类别，然后通过某种度量（比如距离）将他们分类。 简述什么是监督学习与无监督学习。 监督学习 利用一组已知类别的样本调整分类器的参数，使 ...
分类：
编程语言 时间：
2020-05-07 22:34:35
阅读次数：
68
1.理解分类与监督学习、聚类与无监督学习。 简述分类与聚类的联系与区别。 分类：目的是为了确定一个点的类别，具体哪些类别是已知的，常用的算法是KNN，是一种有监督学习。 聚类：是将一系列点分成若干类，事先没有类别的常用K-means算法，是一种无监督学习。 简述什么是监督学习与无监督学习。 监督学习 ...
分类：
编程语言 时间：
2020-05-07 18:15:01
阅读次数：
69
1.理解分类与监督学习、聚类与无监督学习。 简述分类与聚类的联系与区别。 简述什么是监督学习与无监督学习。 分类与聚类都是分开几类，分类是根据历史经验，已知类别，监督学习，聚类是自己分析现有数据，无监督学习 监督学习利用历史数据分类，把已有数据代入。无监督学习是没有样本，将已有数据分类 2.朴素贝叶 ...
分类：
编程语言 时间：
2020-05-07 13:26:39
阅读次数：
72
本节内容主要可分为 什么是概率 古典概率计算 事件的关系与运算 条件概率与独立性 全概率公式和贝叶斯公式 概率论是一门数学分支，同数学科目的其他分支一样，是建立在一些公理上的严格的数学体系，其研究的主要对象是随机变量、随机分布和随机过程。对于随机事件是不可能准确预测其结果的，但是我们可以描述其规律， ...
分类：
其他好文 时间：
2020-05-05 00:58:43
阅读次数：
176
1、(Bayes)贝叶斯定理 $P(A|B)=\frac{P(B|A)P(A))}{P(B)}$（“后验概率=标准似然度 先验概率”） 2、伯努利分布 伯努利分布（英语：Bernoulli distribution），又名两点分布或者0 1分布，是一个离散型概率分布。 概率质量函数：$f_{X}(x ...
分类：
其他好文 时间：
2020-04-30 19:27:03
阅读次数：
86
贝叶斯统计的优势在于，“在数据少的情况下也可以进行推测，数据越多，推测结果越准确”，以及“对所获的信息可做出瞬时反应，自动升级推测”的学习功能。 假设一个场景：面前有一位顾客，此时你需要做的是，推测该顾客究竟是“来买东西的人”，还是“随便逛逛的人”。只有做出正确的判断，才能采取正确的接待方法。 推算 ...
分类：
其他好文 时间：
2020-04-30 13:50:02
阅读次数：
66
本文始发于个人公众号： TechFlow ，原创不易，求个关注 今天是机器学习真题的第17篇文章，我们来讲讲机器学习模型的评估。 在之前的文章当中我们已经介绍了好几个模型了，有朴素贝叶斯、KNN、KMeans、EM还有线性回归和逻辑回归。今天我们来和大家聊聊该怎么评估这些模型。 均方差 这个概念很简 ...
分类：
其他好文 时间：
2020-04-22 21:27:30
阅读次数：
185
机器学习简介 机器学习是一类算法的总称，这些算法企图从大量历史数据中挖掘出其中隐含的规律，并用于预测或者分类，更具体的说，机器学习可以看作是寻找一个函数，输入是样本数据，输出是期望的结果，只是这个函数过于复杂，以至于不太方便形式化表达。需要注意的是，机器学习的目标是使学到的函数很好地适用于“新样本” ...
分类：
其他好文 时间：
2020-04-21 13:22:46
阅读次数：
275
机器学习基础：朴素贝叶斯小结 CONTENTS "1. 全概率公式与贝叶斯公式" "2. 朴素贝叶斯的模型" "3. 朴素贝叶斯的推断过程" "4. 朴素贝叶斯的参数估计" "5. 朴素贝叶斯算法优缺点" "6. 代码实践" 1. 全概率公式与贝叶斯公式 $$ 全概率公式： P(X)=\sum_{k ...
分类：
其他好文 时间：
2020-04-21 13:07:28
阅读次数：
66
先验概率：根据以往经验分析得到的概率，通俗就是根据统计和规律得出得概率。 后验概率：就是根据结果推原因，比如知道一个产品是次品求它来自A车间的概率，通过贝叶斯公式可以得到。 $$ P(A|B) = P(A) \times \frac{P(B|A)}{P(B)} $$ 其中$P(A|B)$叫做后验概率 ...
分类：
其他好文 时间：
2020-04-19 17:32:56
阅读次数：
122
