奶糖猫

某售货员要到若干城市去推销商品，已知各城市之间的路线(或旅费)。要选定一条从驻地出发，经过每个城市一遍，最后回到驻地的路线，使总的路程(或总旅费)最小。本文只考虑4个城市的情况，下面这个带权图即为问题的转化。 由于只有4个城市，如果规定售货员总是从城市1出发，那么依据排列组合可…

字符串匹配是我们在编程中常见的问题，其中从一个字符串(主串)中检测出另一个字符串(模式串)是一个非常经典的问题，当提及到这个问题时我们首先想到的算法可能就是暴力匹配，下面的动图就展示了暴力匹配的流程。 上图中箭头指向的字符都为蓝色时代表二者匹配，都为黑色时代表二者不匹配，红色则…

题目描述：给定一个整数数组 nums 和一个目标值 target，请你在该数组中找出和为目标值的那两整数，并返回他们的数组下标。你可以假设每种输入只会对应一个答案。但是，数组中同一个元素不能使用两遍。 示例：给定 nums = [2, 7, 11, 15], target = …

这意味着要综合财产、长相、身高三个因素来判断概率，其中财产也是最重要的因素。 这个式子就可以被称作回归方程，其中0.4和0.3也被称作回归系数，一般来说回归系数都是未知的，我们通过输入数据求得回归系数的过程就是回归，得到回归系数之后，就可以通过公式得到最后的预测值。 这里给出的…

在之前讲述的所有分类介绍中，我们都是假设所有类别的分类代价是一样的，由于主要探讨的是二分类问题，所以可看作1和0的分类代价相同。 而对于分类代价相同的问题，我们通常利用正确率或错误率来评价所构建分类器性能的好坏。比如手写数字识别系统，对于测试数据集，它的准确率可以达到98%，就…

在此之前一共介绍了五种分类算法，分别为KNN、决策树、朴素贝叶斯、逻辑回归、支持向量机，可以看到每一种算法都有各自的优缺点，以及适合的数据集。集成学习方法可以将不同分类算法构建的分类器组合在一起，更加高效准确的分类。 使用集成学习方法时可以有多种形式：可以是不同算法的集成，也可…

对于线性分类问题，线性分类支持向量机是一种非常有效的方法。但是有的分类问题是非线性的，这时就可以使用非线性支持向量机对分类问题求解，其主要的特点是利用核技巧(kernel trick)，下面通过一个通俗的小栗子介绍核技巧。 现在只需要考虑一个问题，就是将同一类别在纵轴上同时提高…

上一篇文章对支持向量机的间隔、对偶和KKT条件做了详细推导，但前文的基础是原始问题为线性可分问题，所以对线性不可分训练数据是不适用的，这时需要引入一个新定义：软间隔。 假如训练数据中有一些特异点，也就是分类会出错的样本点，将这些特异点除去后，剩下的大部分样本点组成的集合是线性可…

支持向量机(SVM)是一种有监督的分类算法，并且它绝大部分处理的也是二分类问题，先通过一系列图片了解几个关于SVM的概念。 上图中有橙色点和蓝色点分别代表两类标签，如果想要将其分类，需要怎么做呢？可能有的伙伴会想到上一篇文章讲到的逻辑回归拟合决策边界，这肯定是一种不错的方法，本…