摘要：
K-均值算法(K-Means) K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度，它是求对应某一初始聚类中心向量V最优分类，使得评价指标J最小 阅读全文
摘要：
聚类算法 聚类算法就是将一堆数据进行处理，根据它们的相似性对数据进行聚类。 聚类，就像回归一样，有时候人们描述的是一类问题，有时候描述的是一类算法。聚类算法通常按照中心点或者分层的方式对输入数据进行归并。所以的聚类算法都试图找到数据的内在结构，以便按照最大的共同点将数据进行归类。常见的聚类算法包括 阅读全文
摘要：
集成学习（Ensemble Learning） 集成学习就是将很多分类器集成在一起，每个分类器有不同的权重，将这些分类器的分类结果合并在一起，作为最终的分类结果。最初集成方法为贝叶斯决策。 集成算法用一些相对较弱的学习模型独立地就同样的样本进行训练，然后把结果整合起来进行整体预测。集成算法的主要难点 阅读全文
摘要：
支持向量机（Support Vector Machine） 支持向量机（support vector machine）是一个二分类算法，它可以在N维空间找到一个(N-1)维的超平面，这个超平面可以将这些点分为两类。也就是说，平面内如果存在线性可分的两类点，SVM可以找到一条最优的直线将这些点分开。S 阅读全文
摘要：
逻辑回归（Logistic Regression） 逻辑回归模型是一个二分类模型，它选取不同的特征与权重来对样本进行概率分类，用一个log函数计算样本属于某一类的概率。即一个样本会有一定的概率属于一个类，会有一定的概率属于另一类，概率大的类即为样本所属类。用于估计某种事物的可能性。 最小二乘法（Le 阅读全文
摘要：
朴素贝叶斯分类器（Naive Bayesian Model，NBM） 朴素贝叶斯分类器基于贝叶斯定理及其假设（即特征之间是独立的，是不相互影响的），主要用来解决分类和回归问题。 具体应用有： 标记一个电子邮件为垃圾邮件或非垃圾邮件； 将新闻文章分为技术类、政治类或体育类； 检查一段文字表达积极的情绪 阅读全文
摘要：
监督学习 监督学习可以看作是原先的预测模型，有基础的训练数据，再将需要预测的数据进行输入，得到预测的结果（不管是连续的还是离散的） 决策树（Decision Tree，DT） 决策树是一种树形结构，为人们提供决策依据，决策树可以用来回答yes和no问题，它通过树形结构将各种情况组合都表示出来，每个分 阅读全文
摘要：
中文无法解析 message =u '你搜索的内容为: ' + request.GET['q']https://www.runoob.com/django/django-auth.html def login(request): if request.method == "GET": return 阅读全文
摘要：
Tensorflow是Google推出的机器学习开源神器，对Python有着良好的语言支持，支持CPU，GPU和Google TPU等硬件，并且已经拥有了各种各样的模型和算法。目前，Tensorflow已被广泛应用于文本处理，语音识别和图像识别等多项机器学习和深度学习领域。 基础框架 分为三层：应用 阅读全文
摘要：
界面的学习 <!doctype html><html><head><meta charset="utf-8"><title>新闻分类</title><link href="../css/basic.css" rel="stylesheet" type="text/css"><link href=". 阅读全文