m0_37804518的博客

numpy 中 的random模块有多个函数用于生成不同类型的随机数，常见的有 uniform、rand、random、randint、random_interges下面介绍一下各自的用法

对于那些特征和结果存在线性关系的分类问题可以使用线性分类器进行解决，对于那些不存在线性关系的就要采用这种非线性分类器进行解决了。非线性问题的解决方法也很多，总体上可以分为基于判别函数的和非基于判别函数的。 1、朴素贝叶斯分类器 1.1、模型解释：构造基础为贝叶斯理论 总体的说，朴素贝叶斯会单独考量每一维度特征被分类的条件概率，进而整合这些概率并对其所在的特征向量做出分类预测。这个

有监督学习(Supervised learning)可分为分类(Regression)和分类(Classification)。回归问题通常是用来预测一个值，如预测房价、未来的天气情况等等；分类问题是用于将事物打上一个标签，通常结果为离散值。分类通常是建立在回归之上，最后再使用一个函数来判别。

朴素贝叶斯 (native Bayes) 是基于贝叶斯定理与特征条件独立假设的分类方法。贝叶斯定理便是基于条件概率，通过P(A|B)来求P(B|A)：

python 的scikit-learn 包含有很多模型，是广大机器学习爱好者的必备模块，现在把常用的模块做一下汇总，指出各个模块的位置

在使用spyder时有可能要查询某个函数、或者某个模块的具体用法

简介：pandas 中的to_dict 可以对DataFrame类型的数据进行转换 可以选择五种的转换类型，分别对应于参数 ‘dict’, ‘list’, ‘series’, ‘split’, ‘records’, ‘index’，下面逐一介绍每种的用法

模糊动态聚类主要用于非监督学习的聚类分析