1.理解分类与监督学习、聚类与无监督学习。简述分类与聚类的联系与区别。 答：分类与聚类的联系：想要分析的目标点，都会在数据集中寻找离它最近的点。 分类与聚类的区别：分类是事先定义好类别 ，类别数不变 。分类器需要由人工标注的分类训练语料训练得到，属于有指导学习范畴。聚类则没有事先预定的类别，类别数不 ...
分类：
编程语言 时间：
2020-06-08 23:43:14
阅读次数：
101
一、k-近邻算法概述 1、什么是k-近邻算法 如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。 2、欧式距离 两个样本的距离可以通过如下公式计算，又叫欧式距离。比方说计算a(a1,a2,a3)，b(b1,b2,b3)样本之间的距离： ...
分类：
编程语言 时间：
2020-05-30 00:58:20
阅读次数：
76
1.索引的作用 类似于一本书中的目录,起到优化查询的作用 2.索引的分类(算法) B树索引 默认使用的索引类型(差不多95%以上)R树索引Hash索引 在innodb中也有Hash索引，只是它是自适应的，不需要人管理，存储引擎帮我们自动去做的一个在索引层上的优化。FullText GIS 索引 3. ...
分类：
数据库 时间：
2020-05-28 13:24:03
阅读次数：
64
一、什么是K近邻算法？ 定义: 如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。 来源: KNN算法最早是由Cover和Hart提出的一种分类算法. 计算距离公式: 两个样本的距离可以通过如下公式计算，又叫欧式距离。 比如说，a(a1 ...
分类：
编程语言 时间：
2020-05-20 12:17:07
阅读次数：
62
一、概率基础 概率定义：概率定义为一件事情发生的可能性，例如，随机抛硬币，正面朝上的概率。 联合概率：包含多个条件，且所有条件同时成立的概率，记作：𝑃(𝐴,𝐵) 。 条件概率：事件A在另外一个事件B已经发生条件下的发生概率，记作：𝑃(𝐴|𝐵) 。P(A1,A2|B) = P(A1|B)P ...
分类：
编程语言 时间：
2020-05-20 12:00:22
阅读次数：
73
朴素贝叶斯 概述 贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。本章首先介绍贝叶斯分类算法的基础——贝叶斯定理。最后，我们通过实例来讨论贝叶斯分类的中最简单的一种: 朴素贝叶斯分类。 贝叶斯理论 & 条件概率 贝叶斯理论 我们现在有一个数据集，它由两类数据组成，数 ...
分类：
其他好文 时间：
2020-05-14 15:04:29
阅读次数：
61
1.理解分类与监督学习、聚类与无监督学习。 简述分类与聚类的联系与区别。 简述什么是监督学习与无监督学习。 对于分类来说，在对数据集分类时，我们是知道这个数据集是有多少种类的；而对于聚类来说，在对数据集操作时，我们是不知道该数据集包含多少类，我们要做的，是将数据集中相似的数据归纳在一起。他们都是对数 ...
分类：
编程语言 时间：
2020-05-13 20:34:52
阅读次数：
65
1.理解分类与监督学习、聚类与无监督学习。 简述分类与聚类的联系与区别。 简述什么是监督学习与无监督学习。 2.朴素贝叶斯分类算法 实例 利用关于心脏病患者的临床历史数据集，建立朴素贝叶斯心脏病分类模型。 有六个分类变量(分类因子)：性别，年龄、KILLP评分、饮酒、吸烟、住院天数 目标分类变量疾病 ...
分类：
编程语言 时间：
2020-05-13 20:32:49
阅读次数：
79
1.理解分类与监督学习、聚类与无监督学习。 简述分类与聚类的联系与区别。 简述什么是监督学习与无监督学习。 2.朴素贝叶斯分类算法 实例 利用关于心脏病患者的临床历史数据集，建立朴素贝叶斯心脏病分类模型。 有六个分类变量(分类因子)：性别，年龄、KILLP评分、饮酒、吸烟、住院天数 目标分类变量疾病 ...
分类：
编程语言 时间：
2020-05-13 18:36:51
阅读次数：
63
1.理解分类与监督学习、聚类与无监督学习。 简述分类与聚类的联系与区别。 简述什么是监督学习与无监督学习。 分类是为了确定点的类别，具体有哪些类别是已知的，是监督学习。 聚类是把点成若干类，事先是没有类别的，是一种无监督学习。 监督学习：从正确的例子中学习 无监督学习：缺乏足够的先验知识 2.朴素贝 ...
分类：
编程语言 时间：
2020-05-13 11:47:11
阅读次数：
73
