机器学习(4)-KNN,线性回归,逻辑回归,朴素贝叶斯
接着前文的介绍,这一篇文章继续对机器学习的基础算法进行总结。这些算法都比较简单,没有太多的推理过程,因此集中放在这里汇总一下。
(一)KNN
K近邻学习算法
(二)线性回归
这一小节主要对岭回归和lasso回归进行总结,他们都是普通线性模型的推广形式,引入了不同的正则化项。
岭回归如下(L2正则化项)
lasso回归如下(L1正则化项)
(三)逻辑回归
二类分类模型如下
多类分类逻辑回归模型如下
(四)朴素贝叶斯
朴素贝叶斯的分类器
分母对于每一个都是一样的,因此可以去掉分母,上式可以简化为
朴素贝叶斯算法
采用极大似然估计可能造成概率为0的情况,因此采用贝叶斯估计,条件概率的贝叶斯估计如下
其中,参数λ为0是最大似然估计,为1则为拉普拉斯平滑,先验概率如下