發(fā)簡信
IP屬地：青海
機器學習，表面上是“寫程序”，但去掉外表，本質上是在研究數(shù)學。 舉個例子，比我我們小學就學到的余數(shù)，其實在編程的世界里有很多應用。你經(jīng)常用到的分...
樸素貝葉斯（Naive Bayes）是一種既簡單又強大的預測建模算法。 該模型由兩種類型的概率組成，可以從你的訓練數(shù)據(jù)中直接計算出來： 每個類別...
決策樹是機器學習中用于預測建模的一種重要的算法類型。 決策樹模型的表現(xiàn)形式是二叉樹。實際上，它就是算法和數(shù)據(jù)結構中的二叉樹，沒什么太花哨的。 每...
邏輯回歸是一種傳統(tǒng)的分類算法，僅限于兩類分類問題。 如果你有兩個以上的類，那么線性判別分析算法是首選的線性分類技術。 線性判別分析法簡稱LDA，...
邏輯回歸是機器學習從統(tǒng)計領域借用的又一項技術。它是二元分類問題（即只有兩種類型的分類問題）的首選方法。 邏輯回歸和線性回歸的類似之處在于，其目標...
線性回歸可能是統(tǒng)計學和機器學習中最知名且易于理解的算法之一。 它不就是一項起源于統(tǒng)計學的技術嗎？ 預測建模主要關注的是讓模型的誤差最小化，或者說...
經(jīng)由偏差 - 方差的權衡，我們可以更好地理解機器學習算法。 偏差（bias）是模型所做的簡化假設，其目的是更容易地學習目標函數(shù)。 通常，參數(shù)算法...
什么是參數(shù)機器學習算法？它與非參數(shù)機器學習算法有何不同？ “假設”通常會大大簡化學習過程，但也會限制學到的東西。將函數(shù)簡化為已知形式的算法，稱為...
機器學習中的監(jiān)督學習算法，常常用于預測建模。這些算法有一個共通的原則。 人們一般這樣來描述機器學習算法：學習一個目標函數(shù)（f），能夠最好地將輸入...