机器学习实战——朴素贝叶斯1 模型介绍1.1 朴素贝叶斯分类器1.2 朴素贝叶斯的参数估计2 朴素贝叶斯在Sklearn中的实现1 模型介绍1.1 朴素贝叶斯分类器朴素贝叶斯是基于贝叶斯定理及特征条件独立的假设来实现分类的方法，就是在已知先验概率的前提下，求后验概率的最大值。设样本集合为 xxx ，其属性集合为{x1,x2,⋯ ,xd}\{x_1

机器学习实战——利用 SVD 简化数据1 SVD 的介绍2 Python 中的实现3 参考资料1 SVD 的介绍假设 A 是一个 n×nn\times nn×n 的方阵，则其具有如下形式：Aν=λνA\nu=\lambda\nuAν=λν其中 λ\lambdaλ 是矩阵 A 的一个特征值， ν\nuν 是矩阵 A 的一个nnn 维特征向量。若把矩阵 A 的 nnn 个特征值及其对应的特征向...

机器学习之HMM模型1 HMM(隐马尔可夫)模型介绍1.1 HMM 模型的定义1.2 HMM 模型中观测序列的概率计算2 在 Python 中的实现1 HMM(隐马尔可夫)模型介绍隐马尔可夫模型是马尔可夫过程衍生出的概率图模型，最早由 Baum 和 Egon 于 1967 年提出， 常被用于人脸识别、语音识别、 基因工程测序、金融时间序列的建模等。该模型假设一组观测序列是由一些隐藏的状态生成，..

机器学习实战——降维技术1 主成分分析2 sklearn中的实现1 主成分分析主成分分析（Principal Component Analysis，PCA）是一种统计方法，通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。即通过线性变换找出样本数据中最主要的属性，用样本数据中最主要的属性来代替原始样本的全部属性，也可以理解为样本点在正交变换之后的超平面..

机器学习——关联分析1 关联分析介绍2 Sklearn中的实现3 参考资料1 关联分析介绍关联分析又称关联挖掘，就是在交易数据、关系数据或其他信息载体中，查找存在于项目集合或对象集合之间的频繁模式、关联、相关性或因果结构。下面介绍关联分析中几个常用的概念：项集：商品构成的集合，集合含有几个商品就称为几项集，如{啤酒、尿布}为二项集。关联规则：商品间具有 X→YX\rightarrow YX...

机器学习实战——层次聚类算法1 层次聚类概述2 sklearn中的实现1 层次聚类概述层次聚类试图在不同层次对数据集进行划分，从而形成树形的聚类结构。 数据集的划分可采用"自底向上"的聚合策略，也可采用"自顶向下" 的分拆策略。层次聚类可以分为凝聚层次聚类和分裂层次聚类。分裂层次聚类采用的就是"自顶而下"的思想，先将所有的样本都看作是同一

机器学习实战——集成学习 Adaboost 算法1 模型介绍1.1 集成学习概述1.2 集成学习的组合策略1.2.1 平均法1.2.2 投票法1.2.3 学习法1.3 Adaboost 算法的介绍2 sklearn中的实现1 模型介绍1.1 集成学习概述集成学习通过构建并结合多个学习器来完成学习任务。对于训练集数据，我们通过训练若干个个体学习器，通过一定的结合策略，最终可以形成一个强学习器，...