掘金用户007

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

逻辑回归 和 最大熵模型代码实现 逻辑回归 介绍 也就是在线性回归上再加一层映射函数f，这个映射函数我们一般用sigmoid函数，函数形式如下所示： $f( x_{11}

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