为0.2，选择机器学习的概率为0.5。那么我们就把这样的一位毕业生就业方向归类为机器学习方向。 条件概率 ...

http://blog.csdn.net/jdbc/article/details/50586042 本文为第一部分,着重介绍文本预处理以及特征抽取的方法。 随着互联网技术的迅速发展与普及，如何对浩如烟海的数据进行分类、组织和管理，已经成为一个具有重要用途的研究课题。而在这些数据中，文本 ...

在机器学习领域里，最核心的两种数值计算分别是： 距离计算 概率计算 今天Reinhard Hsu就来看看常见都有哪些常见的的距离计算。 欧式距离（Euclidean Metric） 欧几里得距离，用于计算两个点之间的实际距离，计算方法是使用毕达哥拉斯定理，也就是咱们中国 ...

看下面三幅图，x 轴是房间面积，y 轴是房价。 左图是 y = θ0 + θ1x 拟合数据集的结果。可以看到数据并不贴靠在直线上，所以拟合并不好。 中图是 y = θ0 + θ1x + θ2x ...

ML工作流中最困难的部分之一是为模型找到最好的超参数。ML模型的性能与超参数直接相关。超参数调优的越好，得到的模型就越好。调优超参数可能是非常乏味和困难的，更像是一门艺术而不是科学。 超参数 超参数是在建立模型时用于控制算法行为的参数。这些参数不能从常规训练过程中获得。在对模型进行训练之前 ...

原文：https://blog.csdn.net/yt71656/article/details/42585873 前几天上的机器学习课上，老师讲到了参数估计的三种方法：ML，MAP和Bayesian estimation。课后，又查了一些相关资料，以及老师推荐的LDA方面的论文 ...

目的 　　用势函数的概念来确定判别函数和划分类别界面。 基本思想 　　假设要划分属于两种类别ω1和ω2的模式样本，这些样本可看成是分布在n维模式空间中的点xk。 　　把属于ω1的点比拟 ...

数据降维的目的:数据降维，直观地好处是维度降低了，便于计算和可视化，其更深层次的意义在于有效信息的提取综合及无用信息的摈弃。 数据降维的好处：降维可以方便数据可视化+数据分析+数据压缩+数据提取等。 降维方法 __ 属性选择：过滤法；包装法；嵌入法； 　　　　　　|_ 映射方法 _线性映射 ...