wikipedia机器学习迷你书之六《Computational learning theory》

K最近邻(kNN,k-NearestNeighbor)分类算法,即k个最近的邻居,说的是每个样本都可以用它最接近的k个邻居来代表。 KNN是通过测量不同特征值之间的距离进行分类。 算法思路是

1.基础概念 kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别,则该样本也属于这个类别,并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者

机器学习之线性模型1.一元线性回归模型2.多元线性回归模型逻辑回归模型(对数几率回归)Logistic回归模型的实践 线性回归也就是可以用一条直线来拟合一个点集。博主大概总结下机器学习的线性模型,以及

梯度下降 梯度下降算法是一种最为常用的解决优化问题的方法,该方法每次下降的方向均为当前位置的负梯度方向,以此保证下降速度最快,从而使损失函数迅速达到最小化。 为了简化问题, 首先假设 m=1 , 对

**模型性能度量 1.留出法: 对于一个机器学习问题,我们通常有数据集D(用于训练模型),但我们还需要评估模型,因此不能把整个D用于训练,因为拿训练过的数据再去评估必然无效。那么最基本的方法就是留出法

Weka是基于java，用于数据挖掘和知识分析一个平台。来自世界各地的java爱好者们都可以把自己的算法放在这个平台上，然后从海量数据中发掘其背后隐藏的种种关系；开发并投入使用两年左右的时间，但是已经

logistic回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。

此算法为机器学习之聚类算法

白话文理解机器学习之推荐系统及协同过滤算法，通过给出两种方式实现机器学习之推荐系统

机器学习之检验讲解,机器学习中检验的方法介绍,适合相关人群。