机器学习笔记
机器学习笔记——Logistic回归算法
关于分类问题的例子：垃圾邮件分类问题 分类网上交易 对肿瘤的分析辨别...参考部分：吴恩达——机器学习《机器学习实战》peter Harrinton 以上内容均属于个人学习课程笔记以及参考书籍阅读之后增加的内容。如有不妥之处，还请大家指出。谢谢~
机器学习笔记之KNN分类
KNN分类器作为有监督学习中较为通俗易懂的分类算法，在各类分类任务中经常使用。KNN模型的核心思想很简单，即近朱者赤、近墨者黑，它通过将每一个测试集样本点与训练集中每一个样本之间测算欧氏距离，然后取欧氏距离最近的K个点（k是可以...
机器学习笔记——数据集分割
而对于训练集与测试集的划分比例上来看，目前没有一个统一的比例标准，在机器学习类的参考资料中，推荐的比例是训练集和测试集的比例保持在1:2~1:4之间为佳。倘若使用验证集，则建议保持6:2:2左右的训练集、验证集及测试集比例。原文发布...
机器学习笔记——哑变量处理
在机器学习的特征处理环节，免不了需要用到类别型特征，这类特征进入模型的方式与一般数值型变量有所不同。通常根据模型的需要，类别型特征需要进行哑变量处理，即按照特征类别进行编码，一般一个类别为k的特征需要编码为一组k-1【避免引起...
机器学习笔记——特征标准化
数据标准化是在特征处理环节必不可少的重要步骤。数据标准化是为了消除不同指标量纲的影响，方便指标之间的可比性，量纲差异会影响某些模型中距离计算的结果。常见标准化方法主要有归一化、正态化。数据归一化也即0-1标准化，又称最大值-...
[机器学习]机器学习笔记整理12-线性回归概念理解
前提介绍：为什么需要统计量？统计量：描述数据特征 集中趋势衡量 均值（平均数，平均值）（mean）这里写图片描述 {6,2,9,1,2}(6+2+9+1+2)/5=20/5=4 中位数（median）:将数据中的各个数值按照大小顺序排列，居于中间位置的变量 给数据排序...
机器学习笔记(1)：线性回归
初次接触机器学习的朋友们，建议先把这篇概念性的科普文章，精读5遍以上：神经网络浅讲：从神经元到深度学习 下列代码来自 https://zh.gluon.ai/chapter_supervised-learning/linear-regression-scratch.html 里面有大量的矩阵向量的操作，...
【机器学习笔记之六】Bagging 简述
学习资料：《机器学习》http://f.dataguru.cn/thread-301569-1-1.htmlhttp://scikit-learn.org/stable/modules/ensemble.html#bagginghttp://www.cnblogs.com/liuwu265/p/4690486.htmlhttp://www.jianshu.com/p/708dff71df3a
机器学习笔记之K-means聚类
K-means聚类是聚类分析中比较基础的算法，属于典型的非监督学习算法。其定义为对未知标记的数据集，按照数据内部存在的数据特征将数据集划分为多个不同的类别，使类别内的数据尽可能接近，类别间的数据相似度比较大。用于衡量距离的方法...
【机器学习笔记之四】Adaboost 算法
本文结构：什么是集成学习？为什么集成的效果就会好于单个学习器？如何生成个体学习器？什么是 Boosting?...参考：《机器学习》https://zh.wikipedia.org/wiki/AdaBoosthttp://blog.csdn.net/iemyxie/article/details/40423907
