KNN是有監督的學習算法，其特點有： 1、精度高，對異常值不敏感 2、只能處理數值型屬性 3、計算復雜度高（如已知分類的樣本數為n，那么對每個未知分類點要計算n個距離） KNN算法步驟： 需對所有樣本點（已知分類+未知分類）進行歸一化 ...

python基礎 圖像基礎 圖像的主要用途：分類、目標檢測、圖像分割、圖像描述、圖像生成 相關的組件：OpenCV、Tensorflow、Keras 圖像的預處理：平滑與去噪——高斯 ...

<轉>機器學習系列(9)_機器學習算法一覽（附Python和R代碼） 轉自http://blog.csdn.net/han_xiaoyang/article/details/51191386 – 谷歌的無人車和機器人得到了很多關注，但我 ...

函數的推理及常用的核函數有哪些；第四部分是支持向量機的應用，按照機器學習實戰的代碼詳細解讀。 機器學 ...

本文講梯度下降（Gradient Descent）前先看看利用梯度下降法進行監督學習（例如分類、回歸等）的一般步驟： 1， 定義損失函數（Loss Function） 2， 信息流forward propagation，直到輸出端 3， 誤差信號back propagation。采用 ...

　　Twritters的異常檢測算法（Anomaly Detection）做的比較好，Seasonal Hybrid ESD算法是先用STL把序列分解，考察殘差項。假定這一項符合正態分布，然后就可以用 ...

本人以前主要focus在傳統音頻的軟件開發，接觸到的算法主要是音頻信號處理相關的，如各種編解碼算法和回聲消除算法等。最近切到語音識別上，接觸到的算法就變成了各種機器學習算法，如GMM等。K-means作為其中比較簡單的一種肯定是要好好掌握的。今天就講講K-means的基本原理和代碼實現 ...

1、介紹 ​決策樹（decision tree）是一種有監督的機器學習算法，是一個分類算法。在給定訓練集的條件下，生成一個自頂而下的決策樹，樹的根為起點，樹的葉子為樣本的分類，從根到葉子的路徑就是一個樣本進行分類的過程。 ​下圖為一個決策樹 ...