没有合适的资源?快使用搜索试试~ 我知道了~
机器学习算法:从零开始的算法,了解算法的工作原理
共17个文件
ipynb:11个
csv:4个
xlsx:1个
需积分: 9 0 下载量 30 浏览量
2021-03-02
23:38:10
上传
评论
收藏 893KB ZIP 举报
温馨提示
机器学习算法 自制算法,了解算法的工作原理。 用户定义的算法来执行朴素贝叶斯算法 基于概率的概念从先验概率(或认为)P(A)开始,在给定可能性的情况下P(B | A)和证据P(B),我们得出后验概率P(A | B)。 贝叶斯定理公式为:后验=似然率先于证据 P(A | B)=(P(B | A)⋅P(A))/(P(B)) 用户定义的算法来执行高斯朴素贝叶斯算法(用于数值数据处理) 此数据集的基于概率的概念高斯朴素贝叶斯公式,原因是数据呈正态分布¶使用的公式: f(x)=(1 /(sd * sqrt(2 * pi)))* pow(e,((-1/2) * pow((((xm)/ sd),2)))); 其中,sd =标准偏差; m =均值; f(x)=点x的概率 用户定义的算法,使用OLSR概念执行线性回归 基于统计 直线方程为y = m * x + b,其中m是直线的斜率,b是y轴截距。
资源推荐
资源详情
资源评论
收起资源包目录
Machine-Learning-algorithms-master.zip (17个子文件)
Machine-Learning-algorithms-master
Salary_Data.csv 454B
Logistic Regression with Probabilistic Approach.ipynb 11KB
Iris.csv 5KB
Linear Regression - OLSR method.ipynb 30KB
Copy_of_logistic_regression_task1_Sharika.ipynb 52KB
understanding-pca.ipynb 25KB
cancer_test_data.csv 59KB
Adaboost from Scratch.ipynb 14KB
datasets.csv 470B
dataset.xlsx 14KB
README.md 3KB
Conditional probability and Bayes' Theorem.ipynb 9KB
working-with-adaboost.ipynb 902KB
Logistic Regression considering L1 and L2 norms.ipynb 14KB
Random Forest from Scratch.ipynb 24KB
Linear Regression - Gradient Descent.ipynb 32KB
Gaussian Naive Bayes.ipynb 195KB
共 17 条
- 1
资源评论
步衫
- 粉丝: 29
- 资源: 4641
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功