摘要：
1、聚类是一种无监督学习，他讲相似的对象放到同一簇下，有点像自动分类。聚类方法几乎可以用到任何对象上，簇内的对象越相似，聚类结果就越好。 2、K均值聚类的优点 算法简单容易实现 缺点： 可能收敛到局部最小值，在大规模数据上收敛速度较慢 3、K-均值算法算法流程以及伪代码 首先随机选择k个初始点作为质 阅读全文
摘要：
对一个学习算法除了通过实验估计其泛化性能，还需要更好的了解泛化能力的原因，偏差-方差分解时解释算法泛化性能的一种重要的工具。 对于测试样本x，令yD为x在数据集中的标记（可能存在噪声导致标记值和真实值不同），y为x的真实值，f(x;D)在训练集D上学得模型f在x上的输出。以回归任务为例： 学习算法的 阅读全文
摘要：
1、主要内容 介绍随机森林的算法原理以及推导过程 2、bagging思想 bagging思想通过对样本的重复又放回的抽样得到M个不同的训练数据集，然后对每一份训练数据都训练出一个算法，最后使用blending思想进行组合可以采用uniform blending平均每个结果也可以采用加权blendin 阅读全文
摘要：
宽度优先搜索 1、二叉树的序列化和反序列化 在序列化过程中使用数据存储后然后从前往后依次访问子节点，避免使用栈，相当于是利用数据模仿栈的功能，同时空节点也进入数组，但是在访问时需要跳过节点为空的，这样就完成了二叉树的序列化。在反序列化时，使用一个栈存储已经生成的二叉树结构，每次生成新的节点时加到队列 阅读全文