BANANAML的博客

无意中搜索到《最好的python 机器学习库》，觉得有必要收藏起来。  网站链接http://www.kuqin.com/shuoit/20160426/351705.html  大家一起来学习。

Jaccard（杰卡德）相似性系数主要用于计算符号度量或布尔值度量的样本间的相似度。若样本间的特征属性由符号和布尔值标识，无法衡量差异具体值的大小，只能获得“是否相同”这样一种结果，而Jaccard系数关心的是样本间共同具有的特征。Jaccard系数等于样本集交集个数和样本集并集个数的比值，用表示与Jaccard系数相反的

当提到距离的时候，一般都会想到欧氏距离，更远一些还会想到范数，我们熟悉的欧式距离虽然很有用，但是也有明显的缺点，它将样本的不同属性（特征）之间的差别等同对待，但是在很多时候，样本的不同属性对于区分样本有着不同的重要性，此时，我们需要采用不同的距离函数，Mahalanobis(马氏)距离就考虑了样本各种特征之间的联系。 Mahalanobis(马氏)距离是由印度统计学家马哈拉洛比斯提出的，表示数据的

深度学习2016主要进展 今天看到一篇深度学习2016年度的主要进展，有必要分享给大家，接下来一段时间满满的论文（哭）。 网页链接： https://tryolabs.com/blog/2016/12/06/major-advancements-deep-learning-2016/ 机器学习一大挑战是 unsupervised learning 非监督学习 2016年在非监督学习领域最主要