你不该把世界让给你所鄙视的人。

python机器学习之 K-近邻算法@简单的理解：[ 采用测量不同特征值之间的距离方法进行分类 ] 优点 ：精度高、对异常值不敏感、无数据输入假定 缺点 ：计算复杂度高，空间复杂度高； 适应数据范围 ：数值型、标称型； python机器学习之 K-近邻算法简介 k-近邻算法的一般流程 example1 python导入数据 python处理数据 python数据测试 python结果输出 e

决策树算法决策树简介 决策树 流程图正方形代表判断模块，椭圆形代表终止模块，从判断模块引出的左右箭头称作分支，它可以到达另一个判断模块活着终止模块。 决策树 [优点]:计算复杂度不高，输出结果易于理解，对于中间值的缺失不敏感，可以处理不相关特征数据。 决策树[缺点]:可能会产生过度匹配的问题。 决策树[适用数据类型]：数值型和标称型。 决策树算法决策树简介 决策树的一般流程 信

LDA主题模型LDA 简介 LDA模型：Latent Dirichlet Allocation是Blei 等人于2003年提出的基于概率模型的主题模型算法，它是一种非监督机器学习技术，可以用来识别大规模文档集或预料库中的潜在隐藏的主题信息。 LDA算法的核心思想：每篇文章由多个主题mix混合而成的，而每个主题可以由多个词的概率表征。该方法假设每个词是由背后的一个潜在隐藏的主题中抽取的。