Mr. Lee的专栏

转载地址：http://www.cnblogs.com/leoo2sk/archive/2010/09/17/naive-bayesian-classifier.html1、准备知识 贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。这个定理解决了现实生活里经常遇到的问题：已知某条件概率，如何得到两个事件交换后的概率，也就是在已知P(A|B)的情况下

library(rmr2)## @knitr logistic.regression-signaturelogistic.regression = function(input, iterations, dims, alpha){## @knitr logistic.regression-map lr.map = function(., M) {

#####################################################################################################第一步，建立物品的共现矩阵：对用户分组，找到每个用户所选的物品，单独出现计数，及两两一组计数。##################################################

在机器学习过程中，一般用来训练模型的过程比较长，所以我们一般会将训练的模型进行保存（持久化），然后进行评估，预测等等，这样便可以节省大量的时间。在模型持久化过程中，我们使用scikit-learn提供的joblib.dump()方法，但是在使用过程中会出现很多问题。如我们使用如下语句：[python] view plaincopy

1.什么是数组模拟链表：        数组模拟链表是一个什么呢？就是在某索引处存储下一个索引。下面举例说明：                不知道大家明白了没有。如果我上面的数组定义为a[4],那么我访问a[0]时，所获取的就是下一个位置所对应的索引。也就是我要向访问a[0]的下一个节点，那么我只需要访问a[a[0]]，这样，就获取了下一个节点处的值。

堆排序1、堆    如图6-1所示，（二叉）堆是一个数组，它可以被看成一个近似的完全二叉树。树上的每一个结点对应数组中的一个元素。除了最底层外，该树是完全充满的，而且是从左向右填充。表示堆的数组A包括两个属性：A.length（通常）给出数组元素的个数，A.heap-size表示有多少个堆元素存储在该数组中。也就是说，虽然A[1..A.length]可能都存有数据，但只有A[1..A.he

快速排序1、快速排序的描述     与归并排序一样，快速排序也使用分治思想。下面是对一个典型的子数组A[p..r]进行快速排序的三步分治过程：分解：数组A[p..r]被划分为两个（可能为空）子数组A[p..q-1]和A[q+1..r]，使得A[p..q-1]中的每一个元素都小于等于A[q]，而A[q]也小于等于A[q+1..r]中的每个元素/其中，计算下标q也是划分过程的一部分。解

转载文章源地址：http://blog.youkuaiyun.com/junerfsoft/article/details/2975495问题描述    在应用中，常用诸如点、圆等简单的几何对象代表现实世界中的实体。在涉及这些几何对象的问题中，常需要了解其邻域中其他几何对象的信息。例如，在空中交通控制问题中，若将飞机作为空间中移动的一个点来看待，则具有最大碰撞危险的2架飞机，就是这个空间中

1、分治法许多有用的算法在结构上是递归的：为了解决一个给定的问题，算法一次或多次递归地调用其自身以解决紧密相关的若干子问题。这些算法典型地遵循分治法的思想：将原问题分解为几个规模较小但类似于原问题的子问题，递归地求解这些子问题，然后再合并这些子问题的解来建立原问题的解。分治模式在每层递归时都有三个步骤：（1）分解原问题为若干子问题，这些子问题是原问题的规模较小的实例。（2）解决这些

1、原理     首先，介绍插入排序，对于少量元素的排序，它是一个有效的算法。插入排序的工作方式像许多人排序一手扑克牌。开始时，我们的左手为空并且桌子上的牌面向下。然后，我们每次从桌子上拿走一张牌并将它插入左手中正确的位置。为了找到一张牌的正确位置，我们从右到左将它与已在手中的每张牌进行比较。拿在左手上的牌总是排序好的，原来这些是桌子上牌堆中顶部的牌。    对于插入排序，我们将其伪码

DistanceMeasure measure ：数据点间的距离计算方法，参数可缺，默认是 SquaredEuclidean 算方法提供参数值:   ChebyshevDistanceMeasure 切比雪夫距离CosineDistanceMeasure 余弦距离EuclideanDistanceMeasure 欧氏距离MahalanobisDistance