大书童的博客

1. Lineage逻辑回归分类算法1.1 概述Lineage逻辑回归是一种简单而又效果不错的分类算法什么是回归：比如说我们有两类数据，各有50十个点组成，当我门把这些点画出来，会有一条线区分这两组数据，我们拟合出这个曲线（因为很有可能是非线性），就是回归。我们通过大量的数据找出这条线，并拟合出这条线的表达式，再有新数据，我们就以这条线为区分来实现分类。 下图是一个数据集的两组...

1. 决策树分类算法原理    1.1 概述        决策树（decision tree）——是一种被广泛使用的分类算法。        相比贝叶斯算法，决策树的优势在于构造过程不需要任何领域知识或参数设置        在实际应用中，对于探测式的知识发现，决策树更加适用    1.2 算法思想        通俗来说，决策树分类的思想类似于找对象。现想象一个女孩的母亲要给这个...

1. CF协同过滤推荐算法原理    1.1 概述        什么是协同过滤 (Collaborative Filtering, 简称 CF)？        首先想一个简单的问题，如果你现在想看个电影，但你不知道具体看哪部，你会怎么做？        大部分的人会问问周围的朋友，看看最近有什么好看的电影推荐，而我们一般更倾向于从口味比较类似的朋友那里得到推荐。这就是协同过滤的核心思想...

1. Kmeans聚类算法原理    1.1 概述        K-means算法是集简单和经典于一身的基于距离的聚类算法        采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。        该算法认为类簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。    1.2 算法图示        假设我们的n个样本点分布在图中所示的二维...

1. 朴素贝叶斯分类算法原理    1.1 概述        贝叶斯分类算法是一大类分类算法的总称        贝叶斯分类算法以样本可能属于某类的概率来作为分类依据        朴素贝叶斯分类算法是贝叶斯分类算法中最简单的一种        注：朴素的意思是条件概率独立性[此处要想真正理解，需要有概率论的基础知识        P(A|x1x2x3x4)=p(A|x1)*p(A|...

1. kNN分类算法原理    1.1 概述        K最近邻（k-Nearest Neighbor，KNN）分类算法是最简单的机器学习算法。[        机器学习，算法本身不是最难的，最难的是：        1、数学建模：把业务中的特性抽象成向量的过程；        2、选取适合模型的数据样本。        这两个事都不是简单的事。算法反而是比较简单的事。]    ...