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 ...

機器學習算法及代碼實現–決策樹 1、決策樹 決策樹算法的核心在於決策樹的構建，每次選擇讓整體數據香農熵（描述數據的混亂程度）減小最多的特征，使用其特征值對數據進行划分，每次消 ...

摘要 機器學習算法分類：監督學習、半監督學習、無監督學習、強化學習 基本的機器學習算法：線性回歸、支持向量機(SVM)、最近鄰居(KNN)、邏輯回歸、決策樹、k平均、隨機森林、朴素貝葉斯、 ...

機器學習算法及代碼實現–支持向量機 1、支持向量機 SVM希望通過N-1維的分隔超平面線性分開N維的數據，距離分隔超平面最近的點被叫做支持向量，我們利用SMO（SVM實現方法之一）最大化 ...