一、概念 分類：通過訓練集訓練出來一個模型，用於判斷新輸入數據的類型，而在訓練的過程中，一定需要有標簽的數據，即訓練集本身就帶有標簽。簡單來說，用已知的數據來對未知的數據進行划分。這是一種有監督學習。 聚類：對於一組數據，你根本不知道數據之間的關系，不知道他們是否屬於同一類，抑或屬於不同類 ...

隨着計算能力、存儲空間、網絡的高速發展，人類所積累的數據量正在快速增長，而分類在數據挖掘中是一項非常重要的任務，目前在商業上應用最多，分類算法是解決分類問題的方法，是機器學習中一個重要的研究領域。為了讓大家進一步了解機器學習的分類算法，飛馬網於3月29日晚，邀請到現就職於國內知名互聯網公司 ...

為什么電腦排版效果和手機排版效果不一樣~ 目前只學習了python的基礎語法，有些東西理解的不透徹，希望能一邊看《機器學習實戰》，一邊加深對python的理解，所以寫的內容很淺顯，也許還會有一部分錯誤，希望得到大家的指正。在看到書上第一個KNN算法，實現簡單的電影分類的時候，就遇到了很多問題 ...

決策樹是機器學習的常見算法，分為分類樹和回歸樹。當對一個樣本的分類進行預測時使用分類樹，當對樣本的某一個值進行預測時使用回歸樹。本文是有關決策樹的第一部分，主要介紹分類樹的幾種構建方法，以及如何使用分類樹測試分類。 目錄如下： 1、分類樹的基本概念 2、采用數據集說明 3、划分數據集的幾種 ...

機器學習--分類問題 分類問題是監督學習的一個核心問題，它從數據中學習一個分類決策函數或分類模 型(分類器（classifier）)，對新的輸入進行輸出預測，輸出變量取有限個離散值。 決策樹 決策樹 ...

機器學習基礎（二） 目錄 機器學習基礎（二） 3 分類算法 3.1 常用分類算法的優缺點？ 3.2 分類算法的評估方法 3.3 正確率能很好的評估分類算法嗎 3.4 什么樣的分類器是最好 ...

在機器學習的分類問題中，我們都假設所有類別的分類代價是一樣的。但是事實上，不同分類的代價是不一樣的，比如我們通過一個用於檢測患病的系統來檢測馬匹是否能繼續存活，如果我們把能存活的馬匹檢測成患病，那么這匹馬可能就會被執行安樂死；如果我們把不能存活的馬匹檢測成健康，那么就會繼續喂養這匹馬。一個代價是錯 ...

　　Adaboost提升算法是機器學習中很好用的兩個算法之一，另一個是SVM支持向量機；機器學習面試中也會經常提問到Adaboost的一些原理；另外本文還介紹了一下非平衡分類問題的解決方案，這個問題在面試中也經常被提到，比如信用卡數據集中，失信的是少數，5：10000的情況下怎么准確分類 ...