在前面的文章【火炉炼AI】机器学习024-无监督学习模型的性能评估--轮廓系数中，我们自己定义了一个通用型函数，用于为 K-means算法寻找最佳的K值，这个函数虽然有效，但是却不高效，这是一个非常耗时的过程。而DBSCAN算法却是一个快速的，高效的自动评估集群数量的算法。 1…

前面我们学习过监督学习模型的性能评估，由于数据集有标记，所以我们可以将模型预测值和真实的标记做比较，计算两者之间的差异，从而来评估监督学习模型的好坏。 但是，对于无监督学习模型，由于没有标记数据，我们该怎么样评估一个模型的好坏了？显然，此时我们不能采用和监督学习模型一样的评估方…

聚类的算法有很多种，前面我们讲解了k-means算法和均值漂移算法，此处我们继续讲解层次聚类算法。 k-means是一种分散性聚类算法，以空间中K个点为中心进行聚类，将最靠近他们的样本收归门下。k-means的优势在于简单快速，对于大数据集，该算法仍然可以保持可伸缩性和高效率，…

分类问题，就是将数据点按照不同的类别区分开来，所谓人以类聚，物以群分，就是这个道理。以前的【机器学习001-007】都是讲解的回归问题，两者的不同之处在于：回归输出的结果是实数，并且一般是连续的实数值，而分类问题的输出结果是离散的某一个类别或不同类别的概率。 最简单的分类问题是…

前面的机器学习类文章（编号从010-019）都是关于监督学习，但是从本篇文章开始，炼丹老顽童要开始讲解无监督学习方面，无监督学习是指处理的数据没有任何形式的标记，我们没有对训练数据集进行实现的类别划分，故而相当于抹黑处理，要让机器学习自己找出样本所属的类别，那么机器学习通过什么…

我们都知道，SVM是一个很好地分类器，不仅适用于线性分类模型，而且还适用于非线性模型，但是，在另一方面，SVM不仅可以用于解决分类问题，还可以用于解决回归问题。 本项目打算使用SVM回归器来估算交通流量，所使用的方法和过程与我的上一篇文章【火炉炼AI】机器学习018-项目案例：…

最近几十年，房价一直是中国老百姓心中永远的痛，有人说，中国房价就像女人的无肩带文胸，一半人在疑惑：是什么支撑了它?另一半人在等待：什么时候掉下去？ 而女人，永不可能让它掉下来。就算快掉下来了，提一提还是又上去了..... 虽然我们不能预测中国房价什么时候崩盘，但是却可以用机器学…

在我的上一篇文章（【火炉炼AI】机器学习003-简单线性回归器的创建，测试，模型保存和加载）中，已经详细的讲解了简单线性回归器的构建和测试，简单线性回归器的优势在“简单”，运行速度快，但缺点也在于“简单”，过于简单以至于难以拟合很多复杂的数据集。 比如，如果数据集中存在一些远离…

监督学习中的标记的形式有各种各样，比如对于人脸识别的标记，可能是[“小红”，“小花”，“翠花”。。。]，这些标记对于机器学习来说，如同天书一般，故而为了让机器学习“看懂”这些标记，需要将这些文本类的标记进行一定的编码，形成比如【3,2,4,0，…】等形式. 1. 编码方法 有很…