摘要：
阅读全文
摘要：
阅读全文
摘要：
阅读全文
摘要：
阅读全文
摘要：
阅读全文
摘要：
阅读全文
摘要：
Adaboost也是一种原理简单，但很实用的有监督机器学习算法，它是daptive boosting的简称。说到boosting算法，就不得提一提bagging算法，他们两个都是把一些弱分类器组合起来来进行分类的方法，统称为集成方法（ensemble method）,类似于投资，“不把鸡蛋放在一个篮子”，虽然每个弱分类器分类的不那么准确，但是如果把多个弱分类器组合起来可以得到相当不错的结果，另外要说的是集成方法还可以组合不同的分类器，而Adaboost和boosting算法的每个弱分类器的类型都一样的。他们两个不同的地方是：boosting的每个弱分类器组合起来的权重不一样，本节的Adabo. 阅读全文
摘要：
做机器学习的一定对支持向量机（support vector machine-SVM）颇为熟悉，因为在深度学习出现之前，SVM一直霸占着机器学习老大哥的位子。他的理论很优美，各种变种改进版本也很多，比如latent-SVM, structural-SVM等。这节先来看看SVM的理论吧，在（图一）中A图表示有两类的数据集，图B,C,D都提供了一个线性分类器来对数据进行分类？但是哪个效果好一些？（图一） 可能对这个数据集来说，三个的分类器都一样足够好了吧，但是其实不然，这个只是训练集，现实测试的样本分布可能会比较散一些，各种可能都有，为了应对这种情况，我们要做的就是尽可能的使得线性分类器离两... 阅读全文
摘要：
本章是上一章邮件过滤技术的延伸，上一章的内容主要是过滤掉垃圾邮件，而这里要讲的是对那些正常的邮件是否可以加入个性化元素，由于每个用户关心的主题并非一样（有人喜欢技术类型的邮件或者购物促销方便的内容邮件等）。如何把邮件按照用户的关注程度分类，把重要邮件优先让用户浏览， 无疑会大大的增加用户的体验。 Tapestry作为最早的个性化邮箱，它通过分析用户阅读邮件的行为习惯对邮件进行排序，提供个性化服务。这个想结合最近的做的项目(游戏推荐)一起讲，跳过这一章看机器学习里面的回归问题。 阅读全文
摘要：
阅读全文