机器学习

这是我参与8月更文挑战的第22天，活动详情查看：8月更文挑战 1.前言 用一条垂直于X轴或者Y轴的直线将蓝色点和黄色点成功分离，无论这个直线是怎么选取，这个分类都不可能达到100％的准确率。当年感知机

这是我参与8月更文挑战的第20天，活动详情查看：8月更文挑战 上节课我们主要介绍了Kernel Logistic Regression，讨论如何把SVM的技巧应用在soft-binary classi

这是我参与8月更文挑战的第18天，活动详情查看：8月更文挑战 有效的方程 (Effective Number of Hypotheses)   让我们来回忆下这个M是从哪里来的。记中第m个方程遇到ba

1. 交叉验证理论 交叉验证 对于模型的准确度，一般可以将预测结果和实际结果比对，从而轻松地得出。而模型地泛化误差（是不是过拟合）则相对较

0.概述 模型的好坏是相对的。什么样的模型是好的，即取决于算法和数据，也取决于任务需求。 回归任务的性能度量 均方误差 均方误差是回归任务

谱聚类简介 谱聚类是从图论中演化出来的算法，后来在聚类中得到了广泛的应用。它的主要思想是把所有的数据看作空间中的点，这些点之间可以用边连接

岭回归和Lasso回归的背景： 岭回归(ridge regression, Tikhonov regularization)是一种专用于共

K-means介绍 K-means 是我们最常用的基于欧式距离的聚类算法，其认为两个目标的距离越近，相似度越大。在开始介绍K-Means具体过程开始我们先看一个著名的K-Means解释-牧师-村民模型

最近 5 年炎热季节 10% 湿球温度及相应气 象条件，是电厂冷却塔热力计算不可或缺的重要 参数。我国许多气象观测站于 2002 年～

SVM算法原理 支持向量机是一种二类分类模型。它的基本模型是定义在特征空间上的间隔最大的线性分类器，您可能会疑惑什么是线性可分，我们会介绍这一概念。 线性可分 在二维空间上，两类点被一条直线完全分开叫

算法简介 Bagging Bagging是一种集成学习思想，他的集合策略也比较简单：对于分类问题，通常使用简单投票法，得到票数最多的类别为最终的输出。由于Bagging算法每次都进行采样来训练模型，因

了解朴素贝叶斯法之前，我们首先需要了解贝叶斯定理 贝叶斯定理 全概率公式 由条件概率公式： 对一个事件组X={X1,X2,X3,...,X

算法概述 k-近邻算法就是采用测量不同特征值之间的距离进行分类的方法。它的思路是：如果一个样本在特征空间中的k个最相似（邻近）的样本中大多数

Linear Regression（线性回归） 在了解逻辑回归之前，我们先简单介绍一下Linear Regression（线性回归）。 线性

什么是机器学习 比起机器学习，更为媒体所报道的是人工智能和大数据。在读研之前之前我深知都没有听说过机器学习这一名词。现在才知道，当时以为是机

[toc] 文件介绍 01数据预处理 02特征工程 03模型选择 - xgb_model 03模型选择 - ctb_model 03模型选择 - lgb_model 04模型调优 05模型融合 06过