本章導讀 機器學習(machine learning, ML)是一門涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多領域的交叉學科。ML專注於研究計算機模擬或實現人類的學習行為，以獲取新知識、 ...

常見分類模型與算法 距離判別法，即最近鄰算法KNN； 貝葉斯分類器； 線性判別法，即邏輯回歸算法； 決策樹； 支持向量機； 神經網絡； 1. KNN分類算法原理及應用 ...

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 ...

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 ...

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 ...