1、使用機器學習來解決問題，我們用數學語言來描述它，然后建立一個模型，例如回歸模型或者分類模型等來描述這個問題； 2、通過最小化誤差、最大似然、最大后驗概率等等建立模型的代價函數，轉化為最優化問題。找到最優化問題的解，也就是能擬合我們的數據的最好的模型參數； 3、求解這個代價函數 ...

　　一個完整的機器學習項目一般流程包括： 1、抽象成數學問題 　　首先要明確問題，分類還是回歸，盡量避免胡亂嘗試； 2、數據獲取及分析 　　獲取的數據要有代表性，否則必然會過擬合。 　　而且對於分類問題，數據偏斜不能過於嚴重，不同類別的數據數量不要有數個數量級的差距。 而且還要對數據的量級 ...

預備：把實際問題轉化為機器學習問題，即能夠從現有的數據中學的某種規律，從而解決實際問題（預測或分類） 機器學習是數據和模型的結合。 一.獲取數據：人工合成、爬蟲、數據庫、公開數據集、收集數據... 二.數據預處理: 1.數據清洗：缺失數據、重復數據、一致性檢驗 2.數據 ...

1. 提出問題： 明確是分類問題還是回歸問題 2. 理解數據： 2.1 采集數據 sklearn.datasets中有練習數據（數據要有代表性，數據量要合適 ...

機器學習算法 什么是程序（Program） 計算機程序，是指為了得到某種結果而可以由計算機（等具有信息處理能力的裝置）執行的代碼化指令序列（或者可以被自動轉換成代碼化指令序列的符號化指令序列或者符號化語句序列）。 通俗講，計算機給人干活，但它不是人，甚至不如狗懂人的需要（《小羊肖恩 ...

轉載自：http://www.cnblogs.com/tornadomeet 　　朴素貝葉斯： 　　有以下幾個地方需要注意： 　　1. 如果給出的特征向量長度可能不同，這是需要歸一化為通長度的 ...

注：對於最重要的兩類回歸模型，之前總結了邏輯回歸模型，這里總結一下"線性回歸"模型。 0. 概述 線性回歸應該是我們聽過次數最多的機器學習算法了。在一般的統計學教科書中，最后都會提到這種方法。因此該算法也算是架起了數理統計與機器學習之間的橋梁。線性回歸雖然常見，但是卻並不簡單。該算法 ...

前言 在我們構建完機器學習模型，經常會遇到訓練得到模型無法正確預測，這之后我們往往會采取下面的一些方案： 增加訓練數據 減少特征的個數 增加更多的特征 增加多項式特征（X1*X2 ...） 增大lambda的值 減小lambda的值 若是不了解模型具體的問題所在 ...