在之前的学习 "2020/01/02 深度学习数学基础学习——朴素贝叶斯" 中，大概的了解了生成学习的原理，但是对算法实现的__完整流程__不够清晰，所以今天想通过对生成学习回顾，明确一下生成学习的流程框架。 学习资料： "斯坦福CS229 note2 Generative Learning alg ...
分类：
其他好文 时间：
2020-03-05 13:14:32
阅读次数：
77
机器学习-朴素贝叶斯原理及Python实现 贝叶斯公式 P(A|B) = (P(B|A)P(A))/P(B) 举例：苹果10个，有2个黄色；梨10个，有6个黄色，求拿出一个黄色水果，是苹果的概率。 代入公式： P(苹果|黄色) = (P(黄色|苹果)P(苹果))/P(黄色) P(黄色) = (2+6 ...
分类：
编程语言 时间：
2020-03-04 00:44:30
阅读次数：
106
介绍 在该章节中我们将根据用户产生的数据对潜在的会员用户（可能产生购买会员的行为）进行预测。 知识点 朴素贝叶斯 人工神经网络 越来越多的用户开始购买的会员服务，享受更多的优质课程，以及最为完整的线上操作体验。但是，的一位注册用户是否购买会员的行为应该是建立在一定背景条件下。相信很少有用户刚刚完成注 ...
分类：
编程语言 时间：
2020-03-03 13:10:16
阅读次数：
163
@ "TOC" 第二章 2.3章末小结 1 机器学习模型按照使用的数据类型，可分为监督学习和无监督学习两大类。 1. 监督学习主要包括分类和回归的模型。 + 分类：线性分类，支持向量机（SVM），朴素贝叶斯，k近邻，决策树，集成模型（随机森林（多个决策树）等）。 + 回归：线性回归，支持向量机（SV ...
分类：
编程语言 时间：
2020-02-09 16:37:56
阅读次数：
94
在之前的文章当中，我们介绍过了简单的朴素贝叶斯分类模型，介绍过最小二乘法，所以这期文章我们顺水推舟，来讲讲 线性回归 模型。 线性回归的本质其实是一种 统计学 当中的回归分析方法，考察的是 自变量和因变量之间的线性关联 。后来也许是建模的过程和模型训练的方式和机器学习的理念比较接近，所以近年来，这个 ...
分类：
其他好文 时间：
2020-02-05 10:16:34
阅读次数：
71
优点Naive Bayes classifiers tend to perform especially well in one of the following situations: When the naive assumptions actually match the data (very ...
分类：
其他好文 时间：
2020-02-03 09:22:01
阅读次数：
76
1 from sklearn.datasets import load_diabetes 2 X,y=load_diabetes().data,load_diabetes().target 3 X_train,X_test,y_train,y_test=train_test_split(X,y,ra ...
分类：
其他好文 时间：
2020-02-03 09:17:20
阅读次数：
308
朴素贝叶斯（naive Bayes） 法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集， 首先基于特征条件独立假设学习输入/输出的联合概率分布； 然后基于此模型， 对给定的输入x， 利用贝叶斯定理求出后验概率最大的输出y。 朴素贝叶斯法实现简单， 学习与预测的效率都很高， 是一种 ...
分类：
其他好文 时间：
2020-01-31 14:09:31
阅读次数：
96
朴素贝叶斯法，就是使用贝叶斯公式的学习方法，朴素就是它假设输入变量（向量）的各个分量之间是相互独立的。所以对于分量之间不独立的分布，如果使用它学习和预测效果就不会很好。 简化策略 它是目标是通过训练数据集学习联合概率分布$P(X, Y)$用来预测。书上说，具体是先学习到先验概率分布以及条件概率分布， ...
分类：
其他好文 时间：
2020-01-25 15:31:35
阅读次数：
163
本文始发于个人公众号： TechFlow 上一篇文章当中我们介绍了 朴素贝叶斯模型的基本原理 。 朴素贝叶斯的核心本质是假设样本当中的变量 服从某个分布 ，从而利用条件概率计算出样本属于某个类别的概率。一般来说一个样本往往会含有许多特征，这些特征之间很有可能是有相关性的。为了简化模型，朴素贝叶斯模型 ...
分类：
其他好文 时间：
2020-01-22 11:08:14
阅读次数：
100
