未標(biāo)記樣本 在現(xiàn)實(shí)任務(wù)中崖叫，會(huì)出現(xiàn)一部分樣本被標(biāo)記而另一部分樣本未被標(biāo)記的情況，那么如何利用好未標(biāo)記樣本數(shù)據(jù)呢挥转？主動(dòng)學(xué)習(xí)：先用標(biāo)記好的樣本數(shù)據(jù)來(lái)進(jìn)...

基礎(chǔ)知識(shí) 計(jì)算學(xué)習(xí)理論是機(jī)器學(xué)習(xí)的理論基礎(chǔ)，其目的是分析學(xué)習(xí)任務(wù)的困難本質(zhì)，并根據(jù)分析結(jié)果指導(dǎo)算法設(shè)計(jì)锻全。例如：在什么條件下可進(jìn)行有效的學(xué)習(xí)，需要...

子集搜索與評(píng)價(jià) 特征選擇：在屬性集中可能存在無(wú)用的屬性录煤，即對(duì)結(jié)果判斷不重要的屬性鳄厌，被稱(chēng)為“無(wú)關(guān)特征”，而有用的屬性被稱(chēng)為“相關(guān)特征”妈踊，而從特征集...

k近鄰學(xué)習(xí) kNN學(xué)習(xí)是一種常用的監(jiān)督學(xué)習(xí)方法了嚎。 工作機(jī)制給定測(cè)試樣本，基于某種距離度量找出訓(xùn)練集中與其最靠近的k個(gè)訓(xùn)練樣本廊营，然后根據(jù)這k個(gè)“鄰...

構(gòu)造決策樹(shù)根節(jié)點(diǎn) 然后歪泳，據(jù)此劃分?jǐn)?shù)據(jù)集，再對(duì)劃分后的子數(shù)據(jù)集重復(fù)以上過(guò)程露筒，直到滿(mǎn)足當(dāng)前數(shù)據(jù)集的每個(gè)樣本同屬一類(lèi)或者所有特征已使用兩個(gè)條件之一呐伞。 ...

聚類(lèi)任務(wù) 訓(xùn)練樣本的標(biāo)記信息未知，目標(biāo)是對(duì)無(wú)標(biāo)記訓(xùn)練樣本的學(xué)習(xí)來(lái)揭示數(shù)據(jù)的內(nèi)在性質(zhì)及規(guī)律慎式，即是無(wú)監(jiān)督學(xué)習(xí)伶氢，訓(xùn)練數(shù)據(jù)無(wú)標(biāo)記趟径，目的是為了分類(lèi)。 何為...

集成學(xué)習(xí)的概念 如何產(chǎn)生和結(jié)合“好而不同”的個(gè)體學(xué)習(xí)器鞍历，是集成學(xué)習(xí)的核心舵抹。好代表個(gè)體學(xué)習(xí)器要有一定的準(zhǔn)確率，而不同代表個(gè)體學(xué)習(xí)器之間要對(duì)同一組數(shù)...

貝葉斯分類(lèi)器是一類(lèi)分類(lèi)算法的總稱(chēng)劣砍，是各種分類(lèi)器中分類(lèi)錯(cuò)誤概率最小的分類(lèi)器惧蛹，而貝葉斯定理是這類(lèi)算法的核心。 貝葉斯決策論 貝葉斯決策論是概率框架下...

支持向量機(jī)(supporyibant Vector Machine)是一種算法刑枝，一般被稱(chēng)作SVM香嗓，其為處理非線性問(wèn)題提供了一種更加強(qiáng)大的方法。 ...