支持向量机(SVM)算法及实践
344 Views参考书籍《机器学习实战》 基于最大间隔分割数据 支持向量机 优点：泛化错误率低，计算开销不大，结果易解释 缺点：对参数调节和核函数选择敏感，原始分类器不加修改仅适用于处理二分类问题。…
Logistic回归算法及实践
332 Views参考书籍《机器学习实战》 我们的生活中遇到很多最优化问题，比如如何在最短时间从A到达B？如果投入最少的工作量获得最大效益？等等...现在，我们假设有一些数据点，我们用一条直线对这些点…
朴素贝叶斯算法及实践
273 Views参考书籍《机器学习实战》 KNN和决策树算法要求分类器做出艰难决策，给出“该数据实例属于哪一类”这类问题的明确答案，但有时分类器会产生错误结果。这是可以要求分类器给出一个最优的类别猜…
决策树算法及实践
276 Views参考书籍《机器学习实战》 决策树算法概述 K-近邻算法可以完成很多分类任务，但是它最大的缺点就是无法给出数据的内在含义，决策树的主要优势就在于数据形式非常容易理解。 决策树算法能够读…
K-近邻(KNN)算法及实践
331 Views参考书籍《机器学习实战》 K-近邻算法概述 简单来说，k近邻算法采用测量不同特征值之间的距离方法进行分类 k-近邻算法 优点：精度高，对异常值不敏感、无数据输入假定 缺点：计算复杂度…