机器学习算法:从零开始的算法了解算法的工作原理 源码

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。