THE ARCHIVE

标签：machine learning

文字、光影与声音，都是记录世界的方式。

共 5 份公开作品

机器学习五

1. 支持向量机(Support Vector Machines) SVM有很多实现，最流行的一种实现是序列最小优化(Sequential Minimal Optimization)算法可以使用核函数(kernel)的方式将SVM扩展到更

1. Logistic回归利用Logistic回归进行分类的主要思想是: 根据现有数据对分类边界线建立回归公式,以此进行分类 2. 基于Logistic回归和Sigmoid函数的分类我们想要的函数是能接受所有的输入然后预测出类别。例如,

1. 朴素贝叶斯朴素贝叶斯的两个假设：特征之间相互独立，即一个单词出现的可能性与它和其他单词相邻没有关系每个特征同等重要 2. 文本分类 2.1 准备数据从文本中构建词向量, 将文本看成单词向量或词条向量(也就是说将句子转换为向量)

1. 决策树定义决策树是一个预测模型；他代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表的某个可能的属性值，而每个叶结点则对应从根节点到该叶节点所经历的路径所表示的对象的值。决策树仅有单一输出，若

1. 简介学习此书[1]时的一些记录 2. 如何选择合适的算法考虑使用机器学习算法的目的, 如果想要预测目标变量的值，则可以选择监督学习算法，否则可以选择无监督学习算法。确定选择监督学习算法后，进一步确定目标变量类型，如果目标变量是离散