机器学习算法可以分为两大类：监督学习与非监督学习。数据集构成：‘监督学习：特征值+目标值；非监督学习：特征值’。 监督学习： 分类：K-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络 回归：线性回归、岭回归 标注：隐马尔可夫模型 注：分类：目标值离散型数据；回归 ...

转自@王萌，有少许修改。 机器学习起源于人工智能，可以赋予计算机以传统编程所无法实现的能力，比如飞行器的自动驾驶、人脸识别、计算机视觉和数据挖掘等。 机器学习的算法很多。很多时候困惑人们的是，很多算法是一类算法，而有些算法又是从其他算法中延伸出来的。这里，我们从两个方面来给大家介绍，第一个方面 ...

是否在人类监督下进行训练（监督，无监督和强化学习） 在机器学习中，无监督学习就是聚类，事先不知道样本的类别，通过某种办法，把相似的样本放在一起归位一类；而监督型学习就是有训练样本，带有属性标签，也可以理解成样本有输入有输出。 所有的回归算法和分类算法都属于监督学习。回归和分类的算法区别在于输出 ...

一、概念 随机森林（Random Forest）是一种由多个决策树组成的分类器，是一种监督学习算法，大部分时候是用bagging方法训练的。 bagging(bootstrap aggregating)，训练多轮，每轮的样本由原始样本中随机可放回取出n个样本组成，最终的预测函数对分类问题采用 ...

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 ...

**什么是人工智能、机器学习与深度学习? ** 人工智能的简洁定义如下:努力将通常由人类完成的智力任务自动化。 机器学习指自我学习执行特定任务。他和深度学习的核心问题都在于有意义地变换数据。 深度学习是机器学习的一个分支领域 : 它是从数据中学习表示的一种新方法，强调从连续的层 ...

目前随着人工智能的发展，机器学习的应用领域日益宽泛，各种机器学习适应不同的应用场景，而机器学习差别的关键点之一就在于所使用算法的不同，今天就为大家介绍 4 种主要的分类算法。 朴素贝叶斯分类 朴素贝叶斯分类是基于贝叶斯定理与特征条件独立假设的分类方法，发源于古典数学理论，拥有稳定的数学基础 ...

//2019.08.14#机器学习算法评价分类结果1、机器学习算法的评价指标一般有很多种，对于回归问题一般有MAE,MSE，AMSE等指标，而对于分类算法的评价指标则更多：准确度score，混淆矩阵、精准率、召回率以及ROC曲线、PR曲线等。2、对于分类算法只用准确率的评价指标是不够 ...