鄰（k-Nearest Neighbor，KNN）分類算法是最簡單的機器學習算法。 KNN算法的指導思想 ...

1. 集成學習（Ensemble learning） 基本思想：讓機器學習效果更好，如果單個分類器表現的很好，那么為什么不適用多個分類器呢？ 通過集成學習可以提高整體的泛化能力，但是這種提高是有條件的： （1）分類器之間應該有差異性； （2）每個分類器的精度必須大於0.5 ...

0、序言 最近因為PAC平台自動化的需求，開始探坑推薦系統。這個乍一聽去樂趣無窮的課題，對於算法大神們來說是這樣的： 而對於剛接觸這個領域的我來說，是這樣的： 在深坑外圍徘徊了一周后，我整理了一些推薦系統的基本概念以及一些有代表性的簡單的算法，作為初探 ...

1.Kmeans聚類算法原理 1.1 概述 K-means算法時集簡單和經典於一身的基於距離的聚類算法。采用距離作為相似度的評價指標，即認為兩個對象的距離越近，其相似度就越大。該算法認為類簇是由距離靠近的對象組成的，因此把得到緊湊且獨立的簇作為最終目標。 1.2 算法圖示 假設我們的n ...

1.線性回歸 簡述： 在統計學中，線性回歸（Linear Regression）是利用稱為線性回歸方程的最小平方函數對一個或多個自變量和因變量之間關系進行建模的一種回歸分析。這種函數是一個或多個稱 ...

是否在人類監督下進行訓練（監督，無監督和強化學習） 在機器學習中，無監督學習就是聚類，事先不知道樣本的類別，通過某種辦法，把相似的樣本放在一起歸位一類；而監督型學習就是有訓練樣本，帶有屬性標簽，也可以理解成樣本有輸入有輸出。 所有的回歸算法和分類算法都屬於監督學習。回歸和分類的算法區別在於輸出 ...

機器學習算法可以分為兩大類：監督學習與非監督學習。數據集構成：‘監督學習：特征值+目標值；非監督學習：特征值’。 監督學習： 分類：K-近鄰算法、貝葉斯分類、決策樹與隨機森林、邏輯回歸、神經網絡 回歸：線性回歸、嶺回歸 標注：隱馬爾可夫模型 注：分類：目標值離散型數據；回歸 ...

轉自@王萌，有少許修改。 機器學習起源於人工智能，可以賦予計算機以傳統編程所無法實現的能力，比如飛行器的自動駕駛、人臉識別、計算機視覺和數據挖掘等。 機器學習的算法很多。很多時候困惑人們的是，很多算法是一類算法，而有些算法又是從其他算法中延伸出來的。這里，我們從兩個方面來給大家介紹，第一個方面 ...