摘要：svm简介 SVM的英文全称是Support Vector Machines，我们叫它支持向量机。支持向量机是我们用于分类的一种算法。 实例 svm的两个参数： 惩罚系数，即对误差的宽容度。c越高，越不能容忍出现误差，容易过拟合；c越小，容易欠拟合，c过大或过小，泛化能力都会变差 是选择 函数作为k 阅读全文

摘要：简介 聚类：一种无监督学习，是先不知道类别，自动将相似的对象归到同一簇中 根据 欧式距离 选择较近的几个点判断类别 欧式距离计算公式 其中K是事先给定的，这个K值的选定是非常难以估计的，事先并不知道给定的数据集应该分为多少个类别才算合适（ISODATA算法通过类的自动合并和分裂，得到较为合理的类型数 阅读全文

摘要：回归算法的本质是解决一个线性方程， 标准估计方法是普通的最小二线性回归。然而，如果没有x满足方程或超过一个x，即解决方案不是唯一的，（常见列多于行）那么就说这个问题是病态的。在这种情况下（病态A），普通最小二乘估计会导致超定（过拟合），或更常见的欠定（下拟合）方程组（A.TA α=A.T b）。 线 阅读全文

摘要：概述 KNN是通过测量不同特征值之间的距离进行分类。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。KNN算法没办法百分百预测，增加数据维度可提高预测成绩。 k 近邻算法原理 优点：精度高，对异常值不敏感、无数据输入假定 缺点：时间复杂度高O(n)，空间复杂度 阅读全文