机器学习笔记——无监督学习下的k均值聚类

作者：正经夜光杯 | 2024-06-20 14:46:55

踩

目标是将样本分类
原理：首先随机选择k何点作为中心，然后计算每一个点到中心的聚类，然后计算到每个中心的距离，选择到中心最短距离的那个中心所在的类进行归类，然后更新中心点，一直重复。

主要是实现降为，选择重要的成分

由依赖关系构成的有向图，称为贝叶斯网络。也叫信念网络
在这里插入图片描述
尾对尾

头对头

在这里插入图片描述
头对尾

在这里插入图片描述
朴素贝叶斯
贝叶斯公式何贝叶斯网络模型的简单运用。只使用条件独立的假设何计数方法，统计变量的先验分布，再有贝叶斯反推参数的后验分布。同时假设每个样本类别y何特征变量x相互独立。

在这里插入图片描述

变量和变量之间的关联是双向的

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/正经夜光杯/article/detail/740135