《统计学习方法》思维导图-中

栏目: 编程工具 · 发布时间: 6年前

内容简介:本章主要讲了决策树学习算法的三个部分:特征选择、树的生成方式和树的剪枝以及三种决策树算法:ID3、C4.5、CARTTips:决策树的东西比较多(这章啃了一个星期才啃完 (lll¬ω¬)),我们平时使用的sklearn里面的决策树用的就是CART算法,所以这章的重点就在于CART的两种树模型(回归树、分类树),ID3和C4.5可作为了解:

决策树

本章主要讲了决策树学习算法的三个部分:特征选择、树的生成方式和树的剪枝以及三种决策树算法:ID3、C4.5、CART

Tips:决策树的东西比较多(这章啃了一个星期才啃完 (lll¬ω¬)),我们平时使用的sklearn里面的决策树用的就是CART算法,所以这章的重点就在于CART的两种树模型(回归树、分类树),ID3和C4.5可作为了解:

《统计学习方法》思维导图-中

凹脑图在线浏览地址: 决策树

逻辑斯蒂回归模型

逻辑斯蒂回归模型是经典的分类学习器,在二分类的监督问题上分类效果非常好,其经典之处就在于LR的分布函数-sigmoid函数:

《统计学习方法》思维导图-中

思维导图在线浏览地址: 逻辑斯蒂回归模型

最大熵模型与最优化算法

最大熵模型目前应用在NLP上比较多,本章的最大熵模型的内容与数学推导公式比较多,大家可以选择自己想要了解的地方去了解就行:

《统计学习方法》思维导图-中

思维导图在线浏览地址: 最大熵模型与最优化算法

线性可分支持向量机

在机器学习的学习之路上,SVM是ML童鞋们在分类问题上一定会遇到的一个学习方法,SVM这一章将SVM按训练数据的线性可分性分为由简到繁分为三种模型: 线性可分支持向量机(linner support vector machine in linearly separable case)线性支持向量机(linear support vector machine) 以及 非线性支持向量机(non-linear support vector) 。在实际工程中,面对不同规模的数据集时,在小型数据集上,SVM有时仅需 小量 的训练数据,就可以得到比较好的训练结果,而这正是因为SVM的特性-支持向量,下面通过思维导图先简单介绍下SVM:

《统计学习方法》思维导图-中

线性可分支持向量机:

《统计学习方法》思维导图-中 思维导图在线浏览地址: 线性可分支持向量机

思维来自《统计学习方法》-李航

欢迎前往我的个人小站: www.wengjj.ink

才学疏浅,欢迎评论指导


以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

数据结构

数据结构

邓俊辉 / 清华大学出版社 / 2013-9 / 39.00元

《清华大学计算机系列教材:数据结构(C++语言版)(第3版)》按照面向对象程序设计的思想,根据作者多年的教学积累,系统地介绍各类数据结构的功能、表示和实现,对比各类数据结构适用的应用环境;结合实际问题展示算法设计的一般性模式与方法、算法实现的主流技巧,以及算法效率的评判依据和分析方法;以高度概括的体例为线索贯穿全书,并通过对比和类比揭示数据结构与算法的内在联系,帮助读者形成整体性认识。一起来看看 《数据结构》 这本书的介绍吧!

UNIX 时间戳转换
UNIX 时间戳转换

UNIX 时间戳转换

RGB HSV 转换
RGB HSV 转换

RGB HSV 互转工具