量化投資學習筆記30——《Python機器學習應用》課程筆記04

有監督學習
經常使用分類算法
KNN:K近鄰分類器。經過計算待分類數據點，與已知數據中全部點的距離，取距離最小的前K個點，根據"少數服從多數"的原則，將這個數據點劃分爲出現次數最多的那個類別。
在sklearn中，使用sklearn.neighbors.KNeighborsClassifier建立K鄰近分類器。
選取較大K值，能夠減少偏差，但可能致使預測錯誤。選取k值較小，易引發過擬合。通常傾向於選擇較小的k值，並使用交叉驗證法選取最優的k值。
決策樹算法
是一種樹形結構分類器，經過順序詢問分類點的屬性決定分類點最終的類別。一般根據特徵的信息增益等構建決策樹。
使用sklearn.tree.DecisionTreeClassifier構建決策樹進行分類。
決策樹本質上是尋找一種對特徵空間上的劃分，旨在構建一個訓練數據擬合的好，而且複雜度小的決策樹。
樸素貝葉斯
以貝葉斯定理爲基礎的分類器。sklearn實現了三個樸素貝葉斯分類器:高斯樸素貝葉斯，多項式樸素貝葉斯，伯努利樸素貝葉斯。分別適用與不一樣的觀測值的分佈。
樸素貝葉斯是典型的生成學習算法。在小規模的數據上表現良好，適合進行多分類任務。
代碼: https://github.com/zwdnet/MyQuant/blob/master/30

我發文章的四個地方，歡迎你們在朋友圈等地方分享，歡迎點「在看」。
個人我的博客地址：https://zwdnet.github.io
個人知乎文章地址： https://www.zhihu.com/people/zhao-you-min/posts
個人博客園博客地址： https://www.cnblogs.com/zwdnet/
個人微信我的訂閱號：趙瑜敏的口腔醫學學習園地