1、支持向量机SVM希望通过N-1维的分隔超平面线性分开N维的数据，距离分隔超平面最近的点被叫做支持向量，我们利用SMO（SVM实现方法之一）最大化支持向量到分隔面的距离，这样当新样本点进来时，其被分类正确的概率也就更大。我们计算样本点到分隔超平面的函数间隔，如果函数间隔为正，则分类正确，函数间隔为负，则分类错误，函数...

1、K邻近算法将标注好类别的训练样本映射到X（选取的特征数）维的坐标系之中，同样将测试样本映射到X维的坐标系之中，选取距离该测试样本欧氏距离（两点间距离公式）最近的k个训练样本，其中哪个训练样本类别占比最大，我们就认为它是该测试样本所属的类别。2、算法步骤：1）为了判断未知实例的类别，以所有已知类别的实例作为参照2）选...

1、决策树决策树算法的核心在于决策树的构建，每次选择让整体数据香农熵（描述数据的混乱程度）减小最多的特征，使用其特征值对数据进行划分，每次消耗一个特征，不断迭代分类，直到所有特征消耗完（选择剩下数据中出现次数最多的类别作为这堆数据的类别），或剩下的数据全为同一类别，不必继续划分，至此决策树构建完成，之后我们依照这颗决策...

机器学习算法分类：监督学习、半监督学习、无监督学习、强化学习基本的机器学习算法：线性回归、支持向量机(SVM)、最近邻居(KNN)、逻辑回归、决策树、k平均、随机森林、朴素贝叶斯、降维、梯度增强公式、图示、案例机器学习算法大致可以分为：监督学习|Supervisedlearning半监督学习|Semi-supervis...

   1.1、概念是一种名为“回归”的线性分类器，是由线性回归变化而来的，一种广泛使用于分类问题中的广义回归算法。1.2、按预测标签的数据类型分连续型变量：通过线性回归方程z，线性回归使用输入的特征矩阵X来输出一组连续型的标签值y_pred，以完成各种预测连续型变量...

...

1选题Domainadpationhttp://mp.weixin.qq.com/s?__biz=MzIxNDgzNDg3NQ==&mid=2247483990&idx=1&sn=e4d10d997965e5b75f8d439db57c9537&chksm=97a0c982a0d7409...

今天要来讨论的是EM算法。第一眼看到EM我就想到了我大枫哥，EMMaster，千里马。RUA!!!不知道看这个博客的人有没有懂这个梗的。好的，言归正传。今天要讲的EM算法，全称是Expectationmaximization。期望最大化。怎么个意思呢，就是给你一堆观測样本。让你给出这个模型的參数预计。我靠...

　　在前面尾随者台大机器学习基石课程和机器学习技法课程的设置，对机器学习所涉及到的大部分的知识有了一个较为全面的了解，可是对于没有动手敲代码并加以使用的情况，基本上是不可能掌握好的。特别是我的学习进程是袭击式的，因此。会非常快忘掉。心中仅仅剩下一个主要的纲要，所以后面要通过解说更为具体的AndrewNg教授的机器学习课...

注明：转载自博客http://blog.csdn.net/datoubo/article/details/8577366...

       大家好，我是MacJiang,今天和大家分享Coursera-NTU-機器學習基石（MachineLearningFoundations）-作业2Q16-18的C++实现。尽管有非常多大神已经在非常多博客中给出了Phyt...

本文是《Neuralnetworksanddeeplearning》概览中第三章的一部分，讲机器学习算法中，怎样选取初始的超參数的值。（本文会不断补充）运用梯度下降算法进行优化时。权重的更新规则中，在梯度项前会乘以一个系数，这个系数就叫学习速率η。以下讨论在训练时选取η的策略。固定的学习速率。假设学习速率太小，则会使收...

作者：龙心尘&&寒小阳时间：2016年1月。出处：http://blog.csdn.net/longxinchen_ml/article/details/50471682,http://blog.csdn.net/han_xiaoyang/article/details/50481967声明：版权全部，...

 时间：2015-05-0323:41:39    阅读：2251    评论：0    收藏：0    [点我收藏+]标签：机器学习实验朴素贝叶斯由...

使用jieba库进行分词安装jieba就不说了，自行百度！importjieba将标题分词，并转为listseg_list=list(jieba.cut(result.get("title"),cut_all=False))所有标题使用空格连接，方便后面做自然语言处理para=para+"".join(seg_list...