subtitle
02
19
Ensemble Learning Ensemble Learning
集成多个算法结果得到比任何单个算法更好的结果,称为集成学习。 常见的集成学习方法有: 贝叶斯最优分类器 Bootstrap aggregating(又称 Bagging)。代表算法随机森林。 Boosting。代表算法 AdaBoos
19
随机森林 随机森林
随机森林是一种具有代表性的 Bagging(装袋法)集成算法。 工作原理把 n 个基评估器的结果,汇总后得到集成算法的结果,以此得到比单个评估器更好的模型表现。 其中每个基评估器都是决策树,所以称呼森林; 随机挑选特征和数据,生成 n
15
01
22
20
支持向量机内容概要 支持向量机内容概要
概览支持向量机(Support Vector Machine)是一种二类分类模型。基本原理是,特征空间上几何间隔最大化。 In its most simple type, SVM doesn’t support multiclass cl
12
k-means 习题 k-means 习题
简述一下K-means算法的原理和工作流程 输入k,表示数据聚类到k簇 随机选出 k个质心 将每个点归到距离最近的质心所属簇 求簇中每个点均值,求出该质心新的位置 循环3、4 当质心不再发生变化停止迭代 K-means中常用的到中心距
12
k-means 算法知识点梳理 k-means 算法知识点梳理
Overviewk-means 算法是最常用的聚类算法,属于无监督学习算法。 工作原理和流程 输入k,表示数据聚类到k簇 随机选出 k个质心(Centroid) 将每个点归到距离最近的质心所属簇 求簇中每个点均值,求出该质心新的位置 循环3
07
ID3 算法 ID3 算法
决策树是一个非常常见并且优秀的机器学习算法,它易于理解、可解释性强,其可作为分类算法,也可用于回归模型。基本算法有 ID3、C4.5、CART。 Overview ID3算法(Iterative Dichotomiser 3 迭代二叉树3代
07
07
4 / 5