发简信
IP属地：上海
-
机器学习（十）——概率图模型之隐马尔可夫模型嗯，终于迎来了终极大Boss。 1. 概论 想要理解清楚隐马尔可夫模型确实比之前要难一些，但是我尽量讲清楚。先来看一个问题：假设天气的状况分为：...
-
机器学习（九）——概率图模型之朴素贝叶斯朴素贝叶斯分类是一种十分简单的分类算法，叫它朴素贝叶斯分类是因为这种方法的思想真的很朴素，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...
-
机器学习（八）——集成学习对于训练集数据，我们通过训练若干个个体学习器，通过一定的结合策略，就可以最终形成一个强学习器，以达到博采众长的目的。也就是说，集成学习有两个主要...
-
机器学习（七）——决策树一、决策树简介 决策树的特点：1）既可以处理分类问题，也可以处理回归问题2）对于缺失值数据也能比较好的处理3）高度可解释 决策树的思想很简单： ...
-
机器学习（六）——支持向量机一、支持向量机的一般原理 支持向量机跟逻辑回归比较像。可以说，支持向量机是逻辑回归的一种优化或者扩展。因此，虽然说支持向量机既可以处理分类问题，...
-
机器学习（五）——神经网络
一、什么是神经网络 如果前面了解了逻辑回归，其实神经网络比较容易理解。它就是一系列的类逻辑回归的组合。（注意我这里用的是类逻辑回归，因为它和逻辑...
-
机器学习（四）——逻辑回归（下）
前面我们讲了二元逻辑回归问题。现在来讨论多元逻辑回归问题。考虑一下，如果我们的返回值不是0，1，而是0，1，2，或者是“好”，“中”，“差”，那...
-
机器学习（三）——逻辑回归（上）无论是分类还是回归，都是想建立一个预测模型 ，给定一个输入 , 可以得到一个输出 。不同的只是在分类问题中, 输出是离散的; 而在回归问题中...
-
机器学习（二）——线性回归由于在之前有专门的文章介绍线性回归，因此这里不在赘述。在这里稍微提一句：R语言是一种向量语言，为了获得更好的性能，建议使用向量运算。因此一般情况...