Azarath Metrion Zinthos

利用Logistic回归进行分类的主要思想是，根据现有数据对分类边界建立回归公式

关于支持向量机http://blog.youkuaiyun.com/v_july_v/article/details/7624837 这篇博客已经

决策树可以从不熟悉的数据集合中提取出

k-近邻算法直接用不同测量值之间的距离来分类。

朴素贝叶斯是贝叶斯决策理论的一部分，它只做最原始最简单的假设

h(x)=∑ni=0θixih(x)=\sum_{i=0}^n\theta_i x_i J(θ)=12∑mi=1(hθ(x(i))−y(i))2J(\theta)=\frac{1}{2}\sum_{i=1}^{m}(h_\theta(x^{(i)})-y^{(i)})^2 θi:=θi−α∂∂θiJ(θ)\theta_i:=\theta_i-\alpha\frac{\partial }{\par

索引 有监督学习 分类 最近邻居法 决策树学习 朴素贝叶斯分类器 逻辑回归 自适应增强 随机森林 支持向量机 回归 线性回归 局部加权线性回归 岭回归 Lasso回归 弹性网回归 树回归 无监督学习 K-均值聚类 关联规则 简介最近邻居法原理设有M个样本，每个样本都是一个N维向量。 对于一个待分类的向量X，与M个样本进行比较，选取最接近的k个样本，向量X被归类于其中出现最频繁的类别。实现对