摘要：
给定数据集，其中。线性回归试图学得一个线性模型以尽可能准确线性回归试图学得一个线性模型以尽可能准确地预测实值输出标记。（注：上面的以及均表示向量；的取值表示在向量上的第d个属性） 先考虑最简单的情形（简单线性回归）：输入属性的数目只有一个。简单线性回归线性回归试图学得 ，使得 我们可以通过使均方误差 阅读全文
摘要：
基本概念有： 训练集，测试集，特征向量，概念学习，监督学习，非监督学习，半监督学习，分类，回归 训练集：用来进行训练，也就是产生模型或者算法的数据集 测试集：用来专门进行测试已经学习好的模型或者算法的数据集 特征向量：属性的集合，通常用一个向量来表示，附属于一个实例 概念学习：概念学习是指从有关某个 阅读全文
摘要：
1、算法描述 主要功能：根据所有的已知类别的实例来判断未知实例的类别 主要过程：首先确定参数K，然后计算未知实例与所有已知实例的距离，选择其中最近的K个已知实例，根据少数服从多数的投票法则，让未知实例归类为K个最邻近样本中最多数类别。 注意事项：其中K的选取必须是奇数（为了确保投票可以选出一个结果） 阅读全文
摘要：
1、决策树/判定树 决策树/判定树是一个类似于流程图的树结构，其中每个内部结点表示在一个属性上的测试，每个分支表示一个属性输出，而每个树叶结点代表类或者类分布。树的最顶层是根节点 如下图所示，根节点为Play 9 + Don't Play 5，根据OUTLOOK属性产生三个分支sunny、overc 阅读全文