摘要：
前文讨论的回归算法都是全局且针对线性问题的回归，即使是其中的局部加权线性回归法，也有其弊端(具体请参考前文)
采用全局模型会导致模型非常的臃肿，因为需要计算所有的样本点，而且现实生活中很多样本都有大量的特征信息。
另一方面，实际生活中更多的问题都是非线性问题。
针对这些问题，有了树回归系列算法。 阅读全文
摘要：
本文将系统的介绍机器学习中监督学习的回归部分，系统的讲解如何利用回归理论知识来预测出一个分类的连续值。
显然，与监督学习中的分类部分相比，它有很鲜明的特点：输出为连续值，而不仅仅是标称类型的分类结果。 阅读全文
摘要：
本文就将介绍一些新的衡量分类质量的参数，工具。基于这些，可以对分类代码进行优化，以得到更符合实际用途的分类器。 阅读全文
摘要：
有人认为 AdaBoost 是最好的监督学习的方式。
某种程度上因为它是元算法，也就是说它会是几种分类器的组合。这就好比对于一个问题能够咨询多个 "专家" 的意见了。
组合的方式有多种，可能是不同分类算法的分类器，可能是同一算法在不同设置下的集成，还可以是数据集在不同部分分配给不同分类器之后的集成等等。
本文将给出的 AdaBoost 分类器实现基于第二种 (另外几种实现在此基础上稍作改动即可)。 阅读全文