文章 7

访客 1169

声望 33

第16名

Blog

机器学习实战之贝叶斯之scikit-learn使用

P(Xj=xj∣Y=Ck)=12πσk2exp(−(xj−μk)22σk2)P(X{j}=x{j}|Y=C{k})=\frac{1}{\sqrt{2\pi \sigma {k}^{2}}}exp(-\frac{(x{j}-\mu {k})^2}{2\sigma _{k}^{2}})P(Xj=xj∣Y=Ck)=​√​2πσk​2​​​​​​​1​​exp(−​2σ​k​2​​​​(xj−μk)​2​​​​)

机器学习实战之贝叶斯

P(Y∣X)=P(Y,X)/P(X)P(X∣Y)=P(Y,X)/P(Y)P(Y|X)=P(Y,X)/P(X)P(X|Y)=P(Y,X)/P(Y)P(Y∣X)=P(Y,X)/P(X)P(X∣Y)=P(Y,X)/P(Y)

机器学习实战之决策树之scikit-learn使用

机器学习, scikit-learn

机器学习实战之决策树下

Gini(p)=∑k=1Kpk(1−pk)=1−∑k=1Kpk2Gini(p)=\sum{k=1}^{K}p{k}(1-p{k})=1-\sum{k=1}^{K}p_{k}^{2}Gini(p)=∑k=1​K​​pk(1−pk)=1−∑k=1​K​​p​k​2​​

机器学习实战之决策树

H(X)=−∑i=1npilogpiH(X)=-\sum{i=1}^{n}p{i}logp_{i}H(X)=−∑i=1​n​​pilogp​i​​

机器学习实战之KNN之scikit-learn使用

机器学习KNN的scikit-learn使用说明

机器学习实战之KNN全解

我们理解您对便捷写作工具的需求,记录知识,整理笔记、表达观点,将其中承载的价值传播给他人,如此的劳动始于公元前2500年前,北京人在山顶洞墙壁之上的努力。。。记录,创造文明!今天,Editormd Markdown 是我们给出的答案 —— 我们为记录思想和分享知识提供更专业的工具。

 ©2017 studyai.com 版权所有

关于我们