最近在看周志华的《机器学习》，感觉讲的还是条理清晰，循序渐进的。但是只是看了很快概念就混淆，导致脑子里一片混乱，所以准备将看过的内容及学到的东西放在这里和大家相互学习交流。 本文转自：http://blog.csdn.net/HerosOfEarth/article/details/52347820 ...
分类：
其他好文 时间：
2018-10-19 02:22:40
阅读次数：
157
垃圾邮件识别，这也是一个典型的机器学习的应用。 ...
分类：
其他好文 时间：
2018-10-15 20:23:47
阅读次数：
114
贝叶斯定理（Bayes Theorem） 朴素贝叶斯分类（Naive Bayes Classifier） 贝叶斯分类算法（NB），是统计学的一种分类方法，它是利用贝叶斯定理的概率统计知识，对离散型数据进行分类的算法。 朴素贝叶斯的思想基础是这样的：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 ...
分类：
编程语言 时间：
2018-10-13 02:34:04
阅读次数：
255
概念： 贝叶斯定理：贝叶斯理论是以18世纪的一位神学家托马斯.贝叶斯(Thomas Bayes)命名。通常，事件A在事件B（发生）的条件下的概率，与事件B在事件A（发生）的条件下的概率是不一样的；然而，这两者是有确定的关系的，贝叶斯定理就是这种关系的陈述 朴素贝叶斯：朴素贝叶斯方法是基于贝叶斯定理和 ...
分类：
编程语言 时间：
2018-10-09 18:13:23
阅读次数：
180
在考虑一个结果的概率时候，要考虑众多的属性，贝叶斯算法利用所有可能的数据来进行修正预测，如果大量的特征产生的影响较小，放在一起，组合的影响较大，适合于朴素贝叶斯分类 导入类库 代码 ...
分类：
其他好文 时间：
2018-10-08 23:10:22
阅读次数：
219
既然要用到贝叶斯公式，首先给出贝叶斯公式 P(A|B)=P(B|A)P(A)/P(B) 数学含义： P(A)是先验概率，可以通过计算获得 P(B|A)是条件概率，意识是在A发生的条件下B发生的概率 P(B)是用于归一化的“证据”因子，对于给定的样本B，P(B)与类标记无关 P(A|B)就是后验概率， ...
分类：
其他好文 时间：
2018-10-06 21:39:39
阅读次数：
175
第1章 课程介绍【赠送相关电子书+随堂代码】本章首先介绍本课程是什么，有什么特色，能学习到什么，内容如何安排，需要什么基础，是否适合学习这门课程等。然后对数据分析进行概述，让大家对数据分析的含义和作用有一个整体的认知，让大家对自己接下来要做的事情，有一个基本的概念与了解。...1-1 课程导学1-2 ...
分类：
编程语言 时间：
2018-10-03 20:27:30
阅读次数：
247
一 机器学习、数据挖掘、深度学习经典博客网站 http://www.cnblogs.com/maybe2030 1. 算法（包括机器学习算法、进化计算、群体智能优化算法等） [Machine Learning] 深度学习中消失的梯度 [Machine Learning] logistic函数和sof ...
分类：
其他好文 时间：
2018-10-01 22:35:52
阅读次数：
283
1. 用于执行分类，回归，聚类和密度估计的机器学习方法： a. 监督学习的用途： b. 无监督学习的用途： 2. 选择合适的算法： 如果是想要预测目标变量的值，则可以选择监督学习算法，否则选择无监督学习算法。 确定监督学习算法之后，进一步确定目标变量类型，如果目标变量是离散型，如1/2/3，A/B/ ...
分类：
其他好文 时间：
2018-10-01 22:35:31
阅读次数：
174
