1.机器学习的主要任务：一是将实例数据划分到合适的分类中，即分类问题。 而是是回归， 它主要用于预测数值型数据，典型的回归例子：数据拟合曲线。 2.监督学习和无监督学习： 分类和回归属于监督学习，之所以称之为监督学习，是因为这类算法必须直到预测什么，即目标变量的分类信息。 对于无 ...

回归就是预测数值，而分类是给数据打上标签归类。 本例中使用一个2次函数加上随机的扰动来生成500个点，然后尝试用1、2、100次方的多项式对该数据进行拟合。 拟合的目的是使得根据训练数据能够拟合出一个多项式函数，这个函数能够很好的拟合现有数据，并且能对未知的数据进行预测 ...

一、LR分类器（Logistic Regression Classifier） 在分类情形下，经过学习后的LR分类器是一组权值w0,w1, …, wn，当测试样本的数据输入时，这组权值与测试数据按照线性加和得到x = w0+w1x1+w2x2+… wnxn，这里x1,x2 ...

一、Linear Regression 线性回归是相对简单的一种，表达式如下 其中，θ0表示bias，其他可以看做weight，可以转换为如下形式 为了更好回归，定义损失函数，并尽量缩小这个函数值，使用MSE方法（mean square equal） 缩小方法采用梯度下降 ...

机器学习基础（二） 目录 机器学习基础（二） 3 分类算法 3.1 常用分类算法的优缺点？ 3.2 分类算法的评估方法 3.3 正确率能很好的评估分类算法吗 3.4 什么样的分类器是最好 ...

逻辑回归详细推导：http://lib.csdn.net/article/machinelearning/35119 面试常见问题：https://www.cnblogs.com/ModifyRong/p/7739955.html 1、LR和SVM有什么相同点 　　（1）都是监督分类 ...

一、概念 分类：通过训练集训练出来一个模型，用于判断新输入数据的类型，而在训练的过程中，一定需要有标签的数据，即训练集本身就带有标签。简单来说，用已知的数据来对未知的数据进行划分。这是一种有监督学习。 聚类：对于一组数据，你根本不知道数据之间的关系，不知道他们是否属于同一类，抑或属于不同类 ...

解决简单的线性二分类，在众多的机器学习分类算法中并不出众，但它能被改进为多分类，并换了另外一个名字soft ...