K - 均值是最普及的聚类算法，算法接受一个未标记的数据集，然后将数据集聚类成不同的组。

随机森林指的是利用多棵树对样本进行训练并预测的一种分类器。它是由多棵 CART(Classification And Regression Tree) 构成的。对于每棵树，其使用的训练集是从总的训练集中有放回采样出来的，这意味着总训练集中有些样本可能多次出现在一棵树的训练集中，也可能从未出现在一棵树的训练集中。在训练每棵树的节点时，使用的特征是从所有特征中按照一定比例随机地无放回的抽取的，假设总的特征数是 M, 则这个比例可以是 (√M),12(√M),2(√M)。

机器学习、深度学习与自然语言处理领域推荐的书籍列表 是笔者 Awesome Reference 系列的一部分；对于其他的资料、文章、视频教程、工具实践请参考面向程序猿的数据科学与机器学习知识体系及资料合集。本文算是抛砖引玉，笔者最近有空就会在 Pad 上面随手翻阅这些书籍，希望能够了解其他优秀的书籍。

不同于其他KNN的入门，这篇文章直接采用卷积神经网络介绍机器学习。好像不学点机器学习就很亏？

你是否也有过那么一时三刻的不自信，所谓 “以史为鉴，可以知兴亡”，从历史中总结出的规律，是否真的能在未来的预测中被信赖？文章中我们将试着解答这个疑惑。

决策树知识点总结

讲述机器学习的一个分类方法——决策树。

摘要：理解神经卷积网络、欠拟合 & 过拟合、批量归一化 什么是卷积、最大池化和 Dropout？ 这篇文章是深度学习系列中一篇文章。请查看#系列1和#系列2 数据增强（Data augmentation） 欢迎来到本系列教程的第三部分的学习！这周我会讲解一些卷积神经网络（Conv…