簡單看一下（點擊看大圖）四大類解決方案 分類 回歸 聚類 降維 預測結果是一個類別虏两，且現(xiàn)在有已標記數(shù)據(jù)的情況 對于大量數(shù)據(jù) （10w+），在線學...

1. 分類問題評價指標 1-1. 精確率與召回率 精確率（Precision）指的是模型判為正的所有樣本中有多少是真正的正樣本；召回率（Reca...

屬性選擇 屬性的感覺就是最大限度的增加樣本的純度治拿，并且不要產(chǎn)生產(chǎn)生樣本數(shù)少的分枝。 屬性選擇標準有信息增益（Information Gain）和...

不是每個樣本點都有松弛因子笆焰，只有離群的樣本才有懲罰因子 首先隨機生成一些數(shù)據(jù) 選用線性SVM分類器并進行數(shù)據(jù) 用支持點和w繪出分類超平面 研究參...

存在意義 監(jiān)督學習的2個主題就是 最小化誤差：模型擬合數(shù)據(jù) 規(guī)則化參數(shù)：防止過擬合 為了使模型簡單，所以需要規(guī)則化在保持模型單的情況下，使誤差最...

問題描述（以二維為例） 最后得到的式子就是線性可分SVM最后的優(yōu)化公式

決策樹應該有的樣子 從根節(jié)點開始同波，以信息增益最大的特征作為節(jié)點進行數(shù)據(jù)集分割鳄梅，重復這個過程直到子節(jié)點都是一個類別的。過多的子節(jié)點會導致過擬合現(xiàn)象...

用于分類非線性分類問題 將線性不可分的數(shù)據(jù)通過一個映射函數(shù)未檩，映射到一個高維的空間戴尸，使數(shù)據(jù)線性可分 上圖的映射就是將二維數(shù)據(jù)集映射到了一個三維的空...