机器学习

贝叶斯决策论考虑如何基于概率和误判损失来选择最优的类别标记。用多分类任务来解释其基本原理。 假设有$N$种可能的类别标记，即$\mathcal{Y}={c_1,...,c_N}$，$\lambda_{

介绍了间隔与支持向量、核函数的概念、软间隔、以及支持向量回归。。。。。。。。。。。。。。。。。。。。

介绍了：ID3决策树、C4.5决策树、cart决策树、预剪枝和后剪枝，包括缺失值和连续值的处理方式。