该文被密码保护。 阅读全文
摘要：
1. 线性回归 核心公式： w = (XTX)-1XTY 流程伪代码： 核心代码： 2. 局部加权线性回归 （就是中间乘上权值W) 核心公式： 参数w = (XTWX)-1XTWY 权值Wi = exp( ||xi - x|| / ( -2*k2) ) 流程伪代码： 核心代码： 阅读全文
摘要：
K-Means 是发现给定数据集的 K 个簇的聚类算法, 之所以称之为 K-均值 是因为它可以发现 K 个不同的簇, 且每个簇的中心采用簇中所含值的均值计算而成. 优缺点： 流程伪代码： 二分K-Mean聚类算法流程： 核心代码： 阅读全文
摘要：
Logistic 回归 或者叫逻辑回归 虽然名字有回归，但是它是用来做分类的。其主要思想是: 根据现有数据对分类边界线(Decision Boundary)建立回归公式，以此进行分类。 优缺点： 流程： 核心代码： 阅读全文
摘要：
朴素贝叶斯 朴素贝叶斯是贝叶斯分类器的一个扩展，是用于文档分类的常用算法 优缺点： 流程伪代码： 核心代码： 阅读全文
摘要：
决策树（Decision Tree）算法是一种基本的分类与回归方法 分类决策树模型是一种描述对实例进行分类的树形结构。决策树由结点（node）和有向边（directed edge）组成。结点有两种类型：内部结点（internal node）和叶结点（leaf node）。内部结点表示一个特征或属性( 阅读全文