老师：MissDu 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。 答： 1. 分类与聚类： 联系：分类和聚类都包含一个过程：对于想要分析的目标点，都会在数据集中寻找离它最近的点，即二者都用到了NN算法。 区别：分类的目的是为了确定一个点的 ...
分类：
编程语言 时间：
2020-06-10 23:01:39
阅读次数：
98
一、监督学习 监督学习的概念与数学形式 统计机器学习的三要素 统计学习方法： 模型+策略+算法 监督学习的三个问题 分类、回归、标注 学习过程： 在假设空间执行搜索优化，挑选最好的学习器模型 预测过程： 使用训练好的学习器对未见过得新样本实例作出预测，推断其类别！ 学习器的评价指标：精确率、召回率 ...
分类：
其他好文 时间：
2020-06-09 23:23:20
阅读次数：
67
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：
其他好文 时间：
2020-06-09 09:25:21
阅读次数：
87
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
在无监督学习中，训练样本的标记信息是未知的，目标是通过对无标记的训练样本的学习来揭示数据的内在性质和规律，如数据的聚类特征。聚类试图将数据集中的样本划分为若干个不相交的子集，每个子集称为一个簇。好的聚类结果呈现同一簇的样本尽可能彼此相似，不同簇的样本尽可能不同，换言之，即簇内相似度高且簇间相似度低。 ...
分类：
其他好文 时间：
2020-06-04 01:48:44
阅读次数：
118
概述 决策树是如何工作的 决策树（Decision Tree）是一种非参数的有监督学习方法，它能够从一系列有特征和标签的数据中总结出决策规则，并用树状图的结构来呈现这些规则，以解决分类和回归问题。 决策树算法容易理解，适用各种数据，在解决各种问题时都有良好表现，尤其是以树模型为核心的各种集成算法，在 ...
分类：
其他好文 时间：
2020-06-02 12:50:22
阅读次数：
42
专有名词 机器学习 (machine learning) 预测分析 (predictive analytics) 统计学习 (statistical learning) 监督学习 (supervised learning) 无监督学习 (unsupervised learning) 样本 (samp ...
分类：
编程语言 时间：
2020-05-30 21:59:46
阅读次数：
75
一、相关背景 有监督学习 给定训练集（x1,y1）(x2,y2) ....（xn,yn）找出他们之间的关系 即：学习一个函数 无监督学习 给定训练集：（x1,2,...xn） 学习一个训练集的划分 二、聚类的应用场合 Image segmentaion Data compression cluste ...
分类：
其他好文 时间：
2020-05-27 20:32:17
阅读次数：
99
[TOC] 我有一点点机器学习的基础，这一章阅读起来还是比较轻松。 1 统计学习 1.1 背景 这里首先要介绍一下 贝叶斯派 和 频率派 。举个栗子：一个病毒检测试剂，如果受检者为阳性，误检率为1%，如果受检者为阴性，误检率为2%；若人群中某个人的检测结果为阳性，则此人携带病毒的概率是多少。概率派观 ...
分类：
其他好文 时间：
2020-05-23 10:03:51
阅读次数：
86
监督学习的数据就是有标签数据，无监督学习的数据就是无标签数据。 有标签的数据应该就是采用有监督学习方式，像线性分类器，神经网络等；无标签的数据采用非监督学习方式，比如聚类等方法。 半监督式学习问题介于监督式和非监督式学习之间。这里有一个好例子如：照片分类，但是只有部分照片带有标签(如，狗、猫和人)， ...
分类：
其他好文 时间：
2020-05-21 09:38:17
阅读次数：
275
