学不来完全学不来

SVM简介 支持向量机（support vector machines, SVM）是一种二分类模型，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，间隔最大使它有别于感知机；SVM还包括核技巧，

Logistics回归模型通常被用于处理二分类问题，它是一种用于分析各个影响因素（x1,x2,...xn）与分类结果y之间关系的有监督学习方法。虽然它的名字是“回归”，但实际却是一种分类学习方法。这里

写在前面 本次朴素贝叶斯算法是在Vscode+Anaconda(python3)的环境下进行的，环境还未搭建的可以参考下面这篇文章，详细介绍如何搭建环境，同时，本次代码用到的python第三方库，如下

写在前面 代码开发使用的运行环境是python 3.6.1的版本，配合vscode+ananconda的代码编写环境进行相关的代码编写任务，代码运行所需要的库及对应版本如下: 1. 算法简要介绍 决策

写在前面 在机器学习当中对于模型的性能度量有许多方式，但是在这篇文章中主要介绍准确率，召回率，精准率、ROC曲线、P-R曲线以及如何通过混淆矩阵来获取到真正例（TP）、假正例（FP）、真反例（TN）、

k邻近算法基础入门----学习记录，本文主要解释了k邻近算法概念以及算法的相关python代码实现。

概述 本文章搭建的机器学习环境，是基于Window系统下的Python3环境的基础进行搭建的，主要使用Ananconda和VScode进行搭建的。 一、Ananconda简介及安装步骤 1. 简介 A