简单看一下（点击看大图）四大类解决方案 分类 回归 聚类 降维 预测结果是一个类别，且现在有已标记数据的情况 对于大量数据 （10w+），在线学...

1. 分类问题评价指标 1-1. 精确率与召回率 精确率（Precision）指的是模型判为正的所有样本中有多少是真正的正样本；召回率（Reca...

属性选择 属性的感觉就是最大限度的增加样本的纯度，并且不要产生产生样本数少的分枝。 属性选择标准有信息增益（Information Gain）和...

不是每个样本点都有松弛因子，只有离群的样本才有惩罚因子 首先随机生成一些数据 选用线性SVM分类器并进行数据 用支持点和w绘出分类超平面 研究参...

存在意义 监督学习的2个主题就是 最小化误差：模型拟合数据 规则化参数：防止过拟合 为了使模型简单，所以需要规则化在保持模型单的情况下，使误差最...

问题描述（以二维为例） 最后得到的式子就是线性可分SVM最后的优化公式

决策树应该有的样子 从根节点开始，以信息增益最大的特征作为节点进行数据集分割，重复这个过程直到子节点都是一个类别的。过多的子节点会导致过拟合现象...

用于分类非线性分类问题 将线性不可分的数据通过一个映射函数，映射到一个高维的空间，使数据线性可分 上图的映射就是将二维数据集映射到了一个三维的空...