机器学习

K均值的算法步骤 1 step: Initialize: Choose the number of culsters K and randomly initialize K cluster centr

1. 前言 分类问题的一般描述可总结为：利用已知标签的训练集X训练出一个模型，该模型包含一个映射关系h:X->Y, h应该能够对新的数据点预测其类别，并使得预测结果的正确率尽可能高。 1.1 Logi

1. 前言 什么是决策树？ 类似于流程图的树结构 每个内部节点表示在一个属性上的测试 每个分支代表一个测试输出 每个树节点代表类或类分布 决策树的生成由两个阶段组成 决策树的构建 开始时，所有的训练样

1. 最近邻分类器 1.1 积极学习 VS 消极学习 积极学习（急切学习）（Eager Learner） （1）归纳：由训练数据建立分类模型 （2）演绎：把模型应用与测试样例 比如：决策树和基于规则的

前言：维归约 维归约的目的 避免维灾难 减少算法消耗的时间和空间 便于数据可视化 删除不相关特征并降低噪声 怎么去实现维归约？ 主成分分析就是其中的一种方式。 PCA: Principle Compo