多媒体、图形学、网络通信等计算机应用技术领域，尤其是计算机视觉、自然语言处理。 交叉学科的技术支撑，例如生物信息学，它的研究涉及从“生命现象”到“规律发现”的整个过程，包括数据处理整个流程，其中“数据分析”就是机器学习的舞台。 数据科学的核心即通过分析数据获取价值。机器学习是大数据时代必不可少 ...

一·数据挖掘 　　数据挖掘主要是应用于大数据领域，利用机器学习的模型来挖掘数据中的潜在价值。发现数据之间的关系。比如根据房价的变化预测房价，根据天气信息预测天气等。会应用经典的回归类问题。 　　传统的监督学习，或者非监督学习，或者与深度学习相结合的方式。 二·计算机视觉 　　让机器像人一样 ...

智能实时应用为所有行业带来了革命性变化。机器学习及其分支深度学习正蓬勃发展，因为机器学习让计算机能够在无人指引的情况下挖掘深藏的洞见。这种能力正是多种领域所需要的，如非结构化数据分析、图像识别、语音识别和智能决策，这完全不同于传统的编程方式（如 Java、.NET 或 Python ...

(1) 函数关系：functional relation 正相关：positive correlation 负相关：negative correlation 相关系数：correlation ...

过拟合问题。 3、忽略数据集中属性的相互关联。 4、ID3算法计算信息增益时结果偏向数值比较多的特征 ...

原文：http://blog.csdn.net/mach_learn/article/details/39501849 决策树 一、 决策树优点 1、决策树易于理解和解释，可以可视化分析，容易 ...

1. 　　(1)熵的概念的引入，首先在热力学中，用来表述热力学第二定律。由玻尔兹曼研究得到，热力学熵与微　　观状态数目的对数之间存在联系，公式如下： 　　 　　信息熵的定义与热力学熵的定义虽然不是一个东西，但是有一定的联系，熵在信息论中表示随机变量不确定度的度量。一个离散随机变量X与熵H(X ...

作者：甜草莓 链接：https://www.zhihu.com/question/304499706/answer/544609335 来源：知乎 警告：这个答案除了定义和解释部分，其余纯数学和信息论。 前置知识: 学过信息熵，了解信息熵的计算规则。 定义 互信息(Mutual ...