- 博客(3)
- 收藏
- 关注
RSS订阅原创 K-Means 聚类完全详解：从贪心迭代到概率框架与工程实践的深度剖析
人类天生具备归类能力——面对满天的星星，我们自动将它们连成星座；走进超市，我们不假思索地将商品分为生鲜、零食、日用。这种"在没有先验标签的情况下，依据数据自身的结构进行分组"的能力，正是无监督学习中聚类（Clustering）的核心思想。与监督学习不同，聚类面对的数据没有标注答案。算法需要自行发现数据中的自然分组结构，使得同组内的数据尽可能相似，不同组的数据尽可能相异。客户分群。
2026-06-29 00:53:36
390
原创 支持向量机（SVM）完全详解：从直观几何到核技巧与SMO算法的数学之旅
给定一组二维平面上的数据点：正类用圆点表示，负类用叉号表示，两类线性可分。能用一条直线把两类完全分开的方案有无数条，但它们并非同等优秀。一个自然的问题是：在这些都能正确分类的直线中，哪一条最值得信赖？直觉告诉我们，那条"离两类点都尽量远"的直线更稳健。如果分类线离某些点太近，哪怕训练数据中微小的扰动，都可能让这些点跨到错误的一侧。换个角度想：我们真正在意的不是"在训练集上分对"，而是"面对新样本时仍然分对"——也就是泛化能力。把分类面想象成正负样本之间的一条"隔离带"，间隔就是这条隔离带的宽度。隔离带越宽，
2026-06-29 00:12:08
379
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人