5篇文章 · 6069字 · 1人关注
-
【机器学习】朴素贝叶斯分类器
基于贝叶斯决策理论的分类方法。核心思想：选择具有最高概率的决策 优缺点：： 优点：在数据量少的情况下依然有效，可处理多类别问题 缺点：对于输入数...
-
【机器学习】决策树（Matplotlib可视化+项目实战）接着上一篇文章【机器学习】决策树（构造篇） 一、使用Matplotlib注释绘制树形图 1.1 Matplotlib注解annotations ...
-
【机器学习】决策树（构造篇）
下一篇为：【机器学习】决策树（Matplotlib可视化+项目实战） 最经常使用的机器学习算法k近邻法最大缺点是无法给出数据的内在含义，决策树主...
-
【机器学习】无监督学习 K-means(K-均值聚类算法）
任务 利用K-均值聚类算法对未标注数据分组 对聚类得到的簇进行后处理 二分K-均值聚类算法 思想 聚类算法几乎可以用于任何对象，簇内对象越相似，...
-
【机器学习】有监督学习kNN（k-近邻法）学习自《机器学习实战》 任务 学习k-近邻分类算法 使用matplotlib创建扩散图 归一化数值 思想 采用测量不同特征值之间的距离的方法进行...
文集作者
