SunJerdege

概念：脉络：统计概率 ->机器学习 -> 数据挖掘 / 模式识别 / NLP机器学习是研究如何让计算机具有自我学习能力的学科；Tom Mitchell把它描述为：假设任务（task）为T, 效果衡量指标为（performance measure）P，先验知识（experience）为E；那么ML就是从E学习，作用到T，并通过P来衡量效果；机器学习分类：

%% linear regression from sunjerdege with matlabclear all;%% read GDP data% c1: city；c2：population；c3：GDP[city x y] = textread('D:\潜力股\Courses\城市人口_GDP数据.txt','%s%f%f');[num tmp] = size(x);x = x

LogisticRegression / 逻辑斯特回归Logistic回归解决的是当预测的值为两类bool的问题，比如邮件是否是垃圾、pv是否作弊等；那先的看看两类问题用之前的线性回归能有啥问题；如上两图，左边预测回归的是连续实数，趋势是单调的；而右边的预测的是bool值，这是应该叫做分类变量，如果依然用线性回归，结果如y1，看得出，由于

     数据仓库，数据库或者其它信息库中隐藏着许多可以为商业、科研等活动的决策提供所需要的知识。分类与预测是两种数据分析形式，它们可以用来抽取能够描述重要数据集合或预测未来数据趋势的模型。分类方法（Classification）用于预测数据对象的离散类别（Categorical Label）；预测方法（Prediction ）用于预测数据对象的连续取值。  分类技术在很多领域都有应用

数据挖掘算法-决策树算法（freemind）

多元线性回归：         通过尺寸预测房价，只有尺寸一个特征，如果有多个特征比如楼层、房间数等，则1. Hypothesis：假设（输入到输出的映射） 2. Parameters：参数/特征权重 3. cost function：代价函数 4. Goal：目标函数        梯度下降迭代过程：R

灰度共生矩阵    共生矩阵用两个位置的象素的联合概率密度来定义，它不仅反映亮度的分布特性，也反映具有同样亮度或接近亮度的象素之间的位置分布特性，是有关图象亮度变化的二阶统计特征。它是定义一组纹理特征的基础。     一幅图象的灰度共生矩阵能反映出图象灰度关于方向、相邻间隔、变化幅度的综合信息，它是分析图象的局部模式和它们排列规则的基础。　　设f(x,y)为一幅二维数字图象

一元线性拟合数据：见http://pan.baidu.com/s/1qu6dqoptions(scipen = 100)# 读文件city_gdp <- read.table("D:/Sepcial_For_R/city_gdp.txt", sep = "\t", col.names