#
朴素贝叶斯（Naive Bayes）算法的核心思想是：分别计算给定样本属于每个分类的概率，然后挑选概率最高的作为猜测结果。假定样本有2个特征x和y，则其属于分类1的概率记作p(C1|x,y)，它的值无
监督学习KNN K近邻算法def classify0(inX, dataSet, labels, k): dataSetSize = dataSet.shape[0] &nb
SVM算法（Support Vector Machine，支持向量机）的核心思想有2点：1、如果数据线性可分，那么基于最大间隔的方式来确定超平面，以确保全局最优，使得分类器尽可能健壮；2、如果数据线性
决策树（Decision Tree）的核心思想是：根据训练样本构建这样一棵树，使得其叶节点是分类标签，非叶节点是判断条件，这样对于一个未知样本，能在树上找到一条路径到达叶节点，就得到了它的分类。举个简
作为Ai人工智能时代的程序开发者，不论是否参与了大数据、人工智能相关的技术开发工作，都需要了解一些常用的机器学习算法，今天蜡炬教育老师就给你推荐10个必须算法。 1、 线性回归：在统计学和机器学习领
前言：最近在研究机器学习，过程中的心得体会会记录到blog里，文章与代码均为原创。会不定期龟速更新，注意这不是正式的教程，因为本人也是初学者，但是估计C#版本的代码能帮到一些刚入门的同学去理解复杂的公
之前写k-近邻算法（http://boytnt.blog.51cto.com/966121/1569629）的时候，没附上测试数据，这回找了一个，测试一下算法的效果。数据来源于http://archi
机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能
