阅读目录前言基本线性回归解决方案-最小二乘法最小二乘法的具体实现局部加权线性回归岭回归具体方案的制定小结回到顶部      本文将系统的介绍机器学习中监督学习的回归部分，系统的讲解如何利用回归理论知识来预测出一个分类的连续值。   ...

相比于监督学习，非监督学习的输入数据没有标签信息，需要通过算法模型来挖掘数据内在的结构和模式。非监督学习主要包含两大类学习方法：数据聚类和特征变量关联。其中，聚类算法往往是通过多次迭代来找到数据的最优分割，而特征变量关联则是利用各种相关性分析方法来找到变量之间的关系。01K均值聚类与分类问题不同，聚类是在事先并不知道任...

本人硕士研究生研究课题：弱监督学习框架下的全卷积神经网络图像语义分割2018年1月16日，学院开题答辩，定下了这个题目。今天是2018年6月10日。到现在，包括中间的寒假，五个月过去了，看一下当下的状况，并无任何进展，当然说的是课题方面。因为答辩之后贪玩的暂时解放心理，因为各种其他事情需要兼顾（我觉得这可能是借口吧），...

by南大周志华摘要监督学习技术通过学习大量训练数据来构建预测模型，其中每个训练样本都有其对应的真值输出。尽管现有的技术已经取得了巨大的成功，但值得注意的是，由于数据标注过程的高成本，很多任务很难获得如全部真值标签这样的强监督信息。因此，能够使用弱监督的机器学习技术是可取的。本文综述了弱监督学习的一些研究进展，主要关注三...

文章给的定义是：数据集的标签是不可靠的，如（x，y），y对于x的标记是不可靠的。这里的不可靠可以是标记不正确，多种标记，标记不充分，局部标记等。在实际应用中的学习问题往往以混合形式出现,如多标记多示例、半监督多标记、弱标记多标记等。针对监督信息不完整或不明确对象的学习问题统称为弱监督学习。弱监督学习可以看做是有多个标记...

K-means通常被称为劳埃德算法，这在数据聚类中是最经典的，也是相对容易理解的模型。算法执行的过程分为4个阶段。1.首先，随机设K个特征空间内的点作为初始的聚类中心。2.然后，对于根据每个数据的特征向量，从K个聚类中心中寻找距离最近的一个，并且把该数据标记为这个聚类中心。3.接着，在所有的数据都被标记过聚类中心之后，...

从本节开始，将正式进入到无监督学习（UnsupervisedLearning）部分。无监督学习，顾名思义，就是不受监督的学习，一种自由的学习方式。该学习方式不需要先验知识进行指导，而是不断地自我认知，自我巩固，最后进行自我归纳，在机器学习中，无监督学习可以被简单理解为不为训练集提供对应的类别标识（label），其与有监...

 决策树模型练习：https://www.kaggle.com/c/GiveMeSomeCredit/overview1.监督学习--分类 机器学习肿分类和预测算法的评估：　　a.准确率　　b.速度　　c.强壮行　　d.可规模性　　e.可解释性 2.什么是决策树/判定树（decisiont...

2017-07-2015:18:25k近邻（k-NearestNeighbour,简称kNN）学习是一种常用的监督学习方法，其工作机制非常简单，对某个给定的测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个‘邻居’的信息进行预测。一般来说，在分类中采用‘投...