常用机器学习算法汇总比较的最后一篇，介绍提升(Boosting)算法、GBDT、优化算法和卷积神经网络的基本原理、优缺点。 9. 提升(Boosting)方法 boosting 和 bagging 都是集成学习（ensemble learning）领域的基本算法，两者使用的多个…

上一篇文章介绍了线性回归、逻辑回归、决策树和随机森林四种算法，本文会继续介绍四种算法--SVM、朴素贝叶斯、KNN 以及 kmean 算法，其中最后一种是无监督学习的聚类算法，前面三种也是非常常见的算法，特别是 SVM，在 2012 年 AlexNet 网络的成功之前，一直都是…

前面六篇文章从一个项目的终极目标、寻找和获取数据，到数据预处理，做特征工程，接下来就需要开始选择合适的算法模型，进行训练评估和测试了。 因为篇幅问题，主要简单介绍每个算法的基本原理，优缺点等，以及为了保证每篇文章不会太长，可能会分成两篇或者三篇来介绍。 1. 线性回归 这种函数…

1、监督学习（Supervised Learning，SL），这类算法的工作原理是使用带标签的训练数据来学习输入变量图片转化为输出变量图片的映射函数，换句话说就是求解方程图片中的图片。进一步地，监督学习又可细分为如下三类： 2、非监督学习（Unsupervised Learni…