机器学习,表面上是“写程序”,但去掉外表,本质上是在研究数学。 举个例子,比我我们小学就学到的余数,其实在编程的世界里有很多应用。你经常用到的分...
朴素贝叶斯(Naive Bayes)是一种既简单又强大的预测建模算法。 该模型由两种类型的概率组成,可以从你的训练数据中直接计算出来: 每个类别...
决策树是机器学习中用于预测建模的一种重要的算法类型。 决策树模型的表现形式是二叉树。实际上,它就是算法和数据结构中的二叉树,没什么太花哨的。 每...
逻辑回归是一种传统的分类算法,仅限于两类分类问题。 如果你有两个以上的类,那么线性判别分析算法是首选的线性分类技术。 线性判别分析法简称LDA,...
逻辑回归是机器学习从统计领域借用的又一项技术。它是二元分类问题(即只有两种类型的分类问题)的首选方法。 逻辑回归和线性回归的类似之处在于,其目标...
线性回归可能是统计学和机器学习中最知名且易于理解的算法之一。 它不就是一项起源于统计学的技术吗? 预测建模主要关注的是让模型的误差最小化,或者说...
经由偏差 - 方差的权衡,我们可以更好地理解机器学习算法。 偏差(bias)是模型所做的简化假设,其目的是更容易地学习目标函数。 通常,参数算法...
什么是参数机器学习算法?它与非参数机器学习算法有何不同? “假设”通常会大大简化学习过程,但也会限制学到的东西。将函数简化为已知形式的算法,称为...
机器学习中的监督学习算法,常常用于预测建模。这些算法有一个共通的原则。 人们一般这样来描述机器学习算法:学习一个目标函数(f),能够最好地将输入...