摘要：
问题引入 下面的三个超平面都起到分类的效果，哪个最好？ 答案显然是第三个。为什么？ 直觉上，如果现在我们有个测试点，非常靠近右下角的那个红叉叉，也就是说这个点的特征与那个红叉叉非常接近，这时候，我们希望我们的分类器能够将这个测试点划分为与红叉叉相同的类。 也就是说，我们希望，找到的超平面能够远离所有 阅读全文
摘要：
按输出空间分 二元分类问题（binary classification最核心） 回归问题（最核心） 多元分类问题（multiclass classification） 结构学习问题（structured learning problem，巨大的多元分类问题，structure=hyperclass， 阅读全文
摘要：
全称 perceptron learning algrithm 用武之地 二值分类问题，资料线性可分 算法核心（以二维平面为例） 找到一条直线WTX=0，一边全为+1，另一边全为-1。找到了这条线（即，向量W）就得到了分类器。 如何找到这条线？ 每次选取分类出错的样本点，迭代执行：Wt+1T=WtT 阅读全文
摘要：
线性回归的缺陷： 创建模型是需要拟合所有的样本（除了局部加权线性回归），当数据特征多且关系复杂时，显得太笨拙 树回归： 将数据集分成多分易建模的数据，然后在这些易于建模的小数据集上利用线性回归建模。树回归采用的是二元划分法，所以只可能产生二叉树。 CART算法 全称：classification a 阅读全文
摘要：
本章介绍了不同场景下使用的线性回归方法 一般情况：简单的线性回归 欠拟合：局部加权线性回归 特征数大于样本数：岭回归 或 lasso法 最后引出交叉验证，用来定量地找到最佳参数值 阅读全文
摘要：
笔记见备注 阅读全文
摘要：
书上没有给具体的逻辑回归的课程，就直接上了代码，这很不好！ 可以参考ng的课程，或者看这篇博文：http://blog.csdn.net/wlmnzf/article/details/72855610?utm_source=itdadao 过程还是比较浅显易懂的，就没怎么备注了。 阅读全文
摘要：
闲来无事最近复习了一下ID3决策树算法，并凭着理解用pandas实现了一遍，加了些自己的理解（链接如下）。相比本篇博文，更简明清晰，更适合复习用。 https://github.com/DianeSoHungry/ShallowMachineLearningCodeItOut/blob/master 阅读全文
摘要：
一开始.py文件中的函数名大小写错了，但是在终端是对的，报错： 'module' object has no attribute '某函数名' 后来就去修改.py文件。结果重新import该.py文件。依然报错，报错信息一模一样。 回去.py文件看了半天还是没发现任何为题，而且这个文件里的别的函数都 阅读全文
摘要：
闲来无事最近复习了一下ID3决策树算法，并凭着理解用pandas实现了一遍。对pandas更熟悉的朋友可供参考（链接如下）。相比本篇博文，更简明清晰，更适合复习用。 https://github.com/DianeSoHungry/ShallowMachineLearningCodeItOut/bl 阅读全文