摘要：
一.什么是支持向量机 支持向量机（SVM）是一种广泛使用的监督学习方法，主要用于分类和回归分析。它的基本原理是找到一个超平面（在二维空间中是一条直线），以最大化不同类别之间的边界。以下是SVM的关键概念： 超平面：决策边界，用于分类的直线或平面。 边界（Margin）：从超平面到最近的数据点的最小距 阅读全文
摘要：
1.逻辑回归模型介绍 Logistic Regression 虽然被称为回归，但其实际上是分类模型，并常用于二分类。Logistic Regression 因其简单、可并行化、可解释强深受工业界喜爱。 逻辑回归的本质是：假设数据服从这个分布，然后使用极大似然估计做参数的估计。 1.1逻辑分布 逻辑分 阅读全文
摘要：
一.什么是贝叶斯分类器 1.1贝叶斯定理 贝叶斯定理是贝叶斯统计学中的核心定理，它描述了在获得新的观察数据后如何更新概率估计。贝叶斯定理的数学表达如下：
摘要：
一.什么是决策树 决策树是一种基本的机器学习算法，其核心思想是通过对数据集进行递归的二分来构建一棵树形结构，每个节点代表一个属性测试，每个分支代表一个测试结果，每个叶子节点代表一个类别或者值。 决策树的关键点包括： 可解释性： 决策树的模型结构直观易懂，可以被解释为一系列简单的规则，因此对于决策推理 阅读全文
摘要：
在机器学习中，模型评估指标是判断模型性能的关键。让我们一起探讨一下分类问题的混淆矩阵和各种评估指标的计算公式。 首先，我们来看一下常见的分类问题评估指标： 准确率 (Accuracy)：预测正确的结果占总样本的百分比，计算公式为： \[\text{准确率} = \frac{TP + TN}{TP + 阅读全文
摘要：
一.了解什么是K-NN算法 1.KNN算法原理 KNN（K-Nearest Neighbor）算法是机器学习算法中最基础、最简单的算法之一。它既能用于分类，也能用于回归。KNN通过测量不同特征值之间的距离来进行分类。 KNN算法的思想非常简单：对于任意n维输入向量，分别对应于特征空间中的一个点，输出 阅读全文
摘要：
一.机器学习的概念 机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重组织已有的知识结构使之不断改善自身的性能。 它是人工智能核心，是使计算机具有智能的根本途径。 二.如何学习机器学习 学习 阅读全文
