fxjwind

摘要： 降维技术， 首先举的例子觉得很好，因为不知不觉中天天都在做着降维的工作 对于显示器显示一个图片是通过像素点0，1，比如对于分辨率1024×768的显示器，就需要1024×768个像素点的0，1来表示，这里每个像素点都是一维，即是个1024×768维的数据。而其实眼睛真正看到的只是一副二维的图片，这里眼睛其实在不知不觉中做了降维的工作，把1024×768维的数据降到2维 降维的好处，显而易见... 阅读全文

摘要： 要解决的问题，频繁项集 最暴力的方法，就是遍历所有的项集组合，当然计算量过大 最典型的算法apriori, 算法核心思想，当一个集合不是频繁项集，那么它的超集也一定不是频繁项集 这个结论是很明显的，基于这样的思路，可以大大减少频繁项集的候选项 因为你只要发现一个集合非频繁项集，那么他所有的超集都可以忽略 但apriori算法的问题是，计算每个候选项的出现频率的时候都需要遍... 阅读全文

摘要： 前面介绍线性回归，但实际中，用线性回归去拟合整个数据集是不太现实的，现实中的数据往往不是全局线性的 当然前面也介绍了局部加权线性回归，这种方法有些局限 这里介绍另外一种思路，树回归 基本思路，用决策树将数据集划分成若干个子集，然后再子集上再用线性回归进行拟合 决策树是种贪心算法，最简单典型的决策树算法是ID3 ID3，每次都选取最佳特征来进行划分，并且按照特征的取值来决定划分的个数... 阅读全文

摘要： 机器学习问题分为分类和回归问题 回归问题，就是预测连续型数值，而不像分类问题，是预测离散的类别 至于这类问题为何称为回归regression，应该就是约定俗成，你也解释不通 比如为何logistic regression叫逻辑回归，明明解决的是分类问题，而且和逻辑没有半点关系 谈到回归，最简单的就是线性回归 用直线去拟合数据点， 我们通常用平方误差来作为... 阅读全文

摘要： http://kafka.apache.org/documentation.html#configuration Broker Configs 4个必填参数， broker.id Each broker is uniquely identified by a non-negative integer id broker唯一标识，broker可以在不同的host或por... 阅读全文

摘要： 参考，隐马尔可夫模型（HMM）攻略 首先看看确定的状态序列，这种状态序列中状态的变化是确定的，比如 红绿灯，一定是绿灯->红灯->黄灯，这样的状态序列 当然也有些不确定状态序列，比如 天气，今天是晴天，你不能确定明天也一定是晴天或雨天 于是我们用概率来表示这种不确定性，称为马尔可夫过程 (Markov Process)，马尔可夫过程的阶数表示当前状态依赖于过去几个状态，出于... 阅读全文

摘要： 初始的想法就是，结合不同的分类算法来给出综合的结果，会比较准确一些 称为ensemble methods or meta-algorithms，集成方法或元算法 集成方法有很多种，可以是不同算法之间的，也可以是同一个算法但不同参数设置之间的，也可以是将数据集分成多分给不同的分类器之间的 总的来说，有3个维度可以进行集成，算法，算法参数和数据集 下面简单介绍两种比较流行的元算法思路， ... 阅读全文

摘要： AdaBoost算法 基本思想是，对于一个复杂的问题，单独用一个分类算法判断比较困难，那么我们就用一组分类器来进行综合判断，得到结果，“三个臭皮匠顶一个诸葛亮” 专业的说法， 强可学习（strongly learnable），存在一个多项式算法可以学习，并且准确率很高 弱可学习（weakly learnable），存在一个多项式算法可以学习，但准确率略高于随机猜测 并且可以证明强可学习... 阅读全文

摘要： 网易公开课，第16课 notes，12 前面的supervised learning，对于一个指定的x可以明确告诉你，正确的y是什么 但某些sequential decision making问题，比如下棋或直升机自动驾驶 无法确切知道，下一步怎么样是正确的，因为这是一个连续和序列化的决策，比如直到最终直升机crash或下棋输了，你才知道之前的选择是不好的，但中间那么多步决策，到底... 阅读全文

摘要： 这个教程也很不错，http://reverland.org/python/2012/09/07/matplotlib-tutorial/ 也可以参考官网的Gallery，http://matplotlib.org/gallery.html 做数据分析，首先是要熟悉和理解数据，所以掌握一个趁手的可视化工具是非常重要的，否则对数据连个基本的感性认识都没有，如何进行下一步的design Ge... 阅读全文