git:https: github.com linyi MachineLearning 數據集被我下載到本地，可以去我的git上拿數據集 XGBoost提升分類器 屬於集成學習模型 把成百上千個分類准確率較低的樹模型組合起來 不斷迭代,每次迭代生成一顆新的樹 下面 對泰坦尼克遇難預測使用XGBoost模型 和 其他分類器性能進行比較 ...
2018-05-08 16:53 0 1580 推薦指數：
python3 學習使用隨機森林分類器 梯度提升決策樹分類 的api，並將他們和單一決策樹預測結果做出對比 附上我的git，歡迎大家來參考我其他分類器的代碼: https://github.com/linyi0604/MachineLearning ...
使用python語言 學習k近鄰分類器的api 歡迎來到我的git查看源代碼: https://github.com/linyi0604/MachineLearning ...
SVM分類器里面的東西好多呀，碾壓前兩個。怪不得稱之為深度學習出現之前表現最好的算法。 今天學到的也應該只是冰山一角，懂了SVM的一些原理。還得繼續深入學習理解呢。 一些關鍵詞： 超平面（hyper plane）SVM的目標就是找到一個超平面把兩類數據分開。使邊際 ...
使用python3 學習朴素貝葉斯分類api 設計到字符串提取特征向量 歡迎來到我的git下載源代碼: https://github.com/linyi0604/MachineLearning ...
一、內容大綱 1，貝葉斯定理 一、貝葉斯定理 假設對於某個數據集，隨機變量C表示樣本為C類的概率，F1表示測試樣本某特征出現的概率，套用基本貝葉斯公式，則如下所示： 上式表示對於某個樣本，特征F1出現時，該樣本被分為C類的條件概率。那么如何用上式來對測試樣本分類呢？ 舉例來說，有個測試 ...
朴素貝葉斯分類器是一個以貝葉斯定理為基礎，廣泛應用於情感分類領域的優美分類器。本文我們嘗試使用該分類器來解決上一篇文章中影評態度分類。 1、貝葉斯定理 假設對於某個數據集，隨機變量C表示樣本為C類的概率，F1表示測試樣本某特征出現的概率，套用基本貝葉斯公式，則如下所示： 上式表示 ...
使用python3 學習了線性回歸的api 分別使用邏輯斯蒂回歸 和 隨機參數估計回歸 對良惡性腫瘤進行預測 我把數據集下載到了本地，可以來我的git下載源代碼和數據集:https://github.com/linyi0604/MachineLearning ...
1.主要內容 2.SVM的應用 (1)利用SVM處理分類問題 分類器的性能的評價指標： 應用案例： accuracy=3/6=0.5 precision=3/5=0.6 recall=3/4=0.75 3.代碼示例 (1)鳶尾花SVM案例 ...
