KNN是有监督的学习算法，其特点有： 1、精度高，对异常值不敏感 2、只能处理数值型属性 3、计算复杂度高（如已知分类的样本数为n，那么对每个未知分类点要计算n个距离） KNN算法步骤： 需对所有样本点（已知分类+未知分类）进行归一化 ...

python基础 图像基础 图像的主要用途：分类、目标检测、图像分割、图像描述、图像生成 相关的组件：OpenCV、Tensorflow、Keras 图像的预处理：平滑与去噪——高斯 ...

<转>机器学习系列(9)_机器学习算法一览（附Python和R代码） 转自http://blog.csdn.net/han_xiaoyang/article/details/51191386 – 谷歌的无人车和机器人得到了很多关注，但我 ...

函数的推理及常用的核函数有哪些；第四部分是支持向量机的应用，按照机器学习实战的代码详细解读。 机器学 ...

本文讲梯度下降（Gradient Descent）前先看看利用梯度下降法进行监督学习（例如分类、回归等）的一般步骤： 1， 定义损失函数（Loss Function） 2， 信息流forward propagation，直到输出端 3， 误差信号back propagation。采用 ...

　　Twritters的异常检测算法（Anomaly Detection）做的比较好，Seasonal Hybrid ESD算法是先用STL把序列分解，考察残差项。假定这一项符合正态分布，然后就可以用 ...

本人以前主要focus在传统音频的软件开发，接触到的算法主要是音频信号处理相关的，如各种编解码算法和回声消除算法等。最近切到语音识别上，接触到的算法就变成了各种机器学习算法，如GMM等。K-means作为其中比较简单的一种肯定是要好好掌握的。今天就讲讲K-means的基本原理和代码实现 ...

1、介绍 ​决策树（decision tree）是一种有监督的机器学习算法，是一个分类算法。在给定训练集的条件下，生成一个自顶而下的决策树，树的根为起点，树的叶子为样本的分类，从根到叶子的路径就是一个样本进行分类的过程。 ​下图为一个决策树 ...