社区
AI100讲师的课程社区_NO_1
机器学习之概率与统计推断
帖子详情
(3.3)朴素贝叶斯模型及Titanic案例分析
AI100
2023-01-12 23:11:10
课时名称
课时知识点
(3.3)朴素贝叶斯模型及Titanic案例分析
...全文
49
回复
打赏
收藏
(3.3)朴素贝叶斯模型及Titanic案例分析
课时名称课时知识点(3.3)朴素贝叶斯模型及Titanic案例分析
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
机器学习实战之分类算法(K-近邻/
朴素贝叶斯
/决策树/随机森林)
机器学习分类算法1. 机器学习算法简介1.1 按照学习方式分类1.2 区别1.3 关于监督学习中的分类与回归区别1.4 机器学习开发流程2. 数据集介绍与划分2.1 sklearn数据集介绍2.1.1 分类和回归数据集2.1.2 API2.1.3 返回类型2.1.4 代码
分析
2.2 转换器和估计器2.2.1转换器2.2.2 估计器(sklearn机器学习算法的实现)2.2.3 估计器工作流程3. ...
Scikit-learn的分类器算法
文章目录Scikit-learn的分类器算法3.1 分类算法之k-近邻3.2 k-近邻算法
案例
分析
3.3
朴素贝叶斯
3.4 分类算法之逻辑回归3.5 逻辑回归算法
案例
分析
3.6 分类器性能评估3.7 分类算法之决策树 Scikit-learn的分类器算法 3.1 分类算法之k-近邻 k-近邻算法采用测量不同特征值之间的距离来进行分类 优点:精度高、对异常值不敏感、无数据输入假定 缺点:计算复杂度高、空间复杂度高 使用数据范围:数值型和标称型 一个例子弄懂k-近邻 电影可以按照题材分类,每个
机器学习实战——kaggle 泰坦尼克号生存预测——六种算法
模型
实现与比较
一、初识 kaggle kaggle是一个非常适合初学者去实操实战技能的一个网站,它可以根据你做的项目来评估你的得分和排名。让你对自己的能力有更清楚的了解,当然,在这个网站上,也有很多项目的教程,可以跟着教程走,慢慢熟悉各种操作。在平时的学习中,我们了解到的知识更多的是理论,缺少一个实战的平台,项目的练习。我对kaggle的了解也是基于实战的需要,想做一些项目来巩固我的认知,发现更多有用的技能。 kaggle 竞赛,里面有很多项目,对熟悉数据处理与学习各种算法帮助很大。 二、项目介绍 完整代码见k.
机器学习3
分类算法 知道数据集的分为训练集和测试集 知道sklearn的转换器和估计器流程 了解sklearn的分类、回归数据集 说明K-近邻算法的距离公式 说明K-近邻算法的超参数K值以及取值问题 说明K-近邻算法的优缺点 应用KNeighborsClassifier实现分类 了解分类算法的评估标准准确率 说明
朴素贝叶斯
算法的原理 说明
朴素贝叶斯
算法的优缺点 应用MultinomialNB实现文本分类 应用
模型
选择与调优 说明决策树算法的原理 说明决策树算法的优缺点 应用DecisionTreeClassifier
2.机器学习-算法1
文章目录1.转换器与预估器1.转换器2 估计器(sklearn机器学习算法的实现)3 估计器工作流程2.K-近邻算法1 什么是K-近邻算法2.
模型
选择与调优3 用KNN算法对鸢尾花进行分类4 用KNN算法分类,添加网格搜索和交叉验证5 facebook
案例
5 小结3
朴素贝叶斯
算法1 什么是
朴素贝叶斯
分类方法2 概率基础3 贝叶斯公式4
案例
4 决策树1、认识决策树2 信息增益3 用决策树对鸢尾花进行分类4
案例
:泰坦尼克号乘客生存预测5 决策树总结5 集成学习方法之随机森林1.随机森林的认识2 代码3 总
AI100讲师的课程社区_NO_1
1
社区成员
217
社区内容
发帖
与我相关
我的任务
AI100讲师的课程社区_NO_1
AI100,致力于推进人工智能和数据科学领域的人才培养。目标是在 2025 年前为中国培养100万人工智能工程师,200万各行业数据科学专家,帮助30万中国企业走向智能化。
复制链接
扫一扫
分享
社区描述
AI100,致力于推进人工智能和数据科学领域的人才培养。目标是在 2025 年前为中国培养100万人工智能工程师,200万各行业数据科学专家,帮助30万中国企业走向智能化。
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章