建世伟业的博客

                                         第一章 机器学习基础机器学习用途广泛：当人们点击搜索引擎返回给人们的链接，搜索引擎能够记录这次点击并通过机器学习优化下次搜索结果; 通过机器学习可以在后台自动检测过滤垃圾广告邮件; 基于以往的统计知识，可以知道用户很多习惯，从而为用户提供更好的选择; 通过手写识别软件识别正确的手写地址加快邮件分拣等。人们生活中的...

TensorFlow 编程学习目标：学习 TensorFlow 编程模型的基础知识，重点了解以下概念： 张量 指令 图 会话 构建一个简单的 TensorFlow 程序，使用该程序绘制一个默认图并创建一个运行该图的会话概念概览TensorFlow 的名称源自张量，张量是任意维度的数组。借助 TensorFlow，您可以操控具有大量维度的张量。即便如此，在大多数情况...

随机森林定义随机森林是一种比较新的机器学习模型。经典的机器学习模型是神经网络，有半个多世纪的历史了。神经网络预测精确，但是计算量很大。上世纪八十年代Breiman等人发明分类树的算法（Breiman et al. 1984），通过反复二分数据进行分类或回归，计算量大大降低。2001年Breiman把分类树组合成随机森林（Breiman 2001a），即通过对数据集的采样生成多个不同的数据集，...

决策树的基本概念决策树算法是一类常用的机器学习算法，在分类问题中，决策树算法通过样本中某一维属性的值，将样本划分到不同的类别中去。 选择最佳划分的标准  选择划分数据集的特征的时候存在一定的顺序，选择的依据是这一维特征对数据的划分更具区分性，在决策树算法中，通常有这些标准：信息增益、增益率和基尼系数。熵是度量样本集合纯度最常用的一种指标， 信息增益信息熵表示的是不...

简介贝叶斯定理是关于随机事件A和B的条件概率的一则定理。通常，事件A在事件B（发生）的条件下的概率，与事件B在事件A（发生）的条件下的概率是不一样的；然而，这两者之间有确实的关系，贝叶斯法则就是这种关系的陈述。 基于贝叶斯决策理论的分类方法之朴素贝叶斯优点：在数据较少的情况下仍然有效，可以处理多类别问题 缺点：对于输入数据的准备方式较为敏感 适用数据类型：标称型数据。朴素贝...

作者：龙心尘 && 寒小阳时间：2016年1月。出处：http://blog.youkuaiyun.com/longxinchen_ml/article/details/50597149http://blog.youkuaiyun.com/han_xiaoyang/article/details/50616559声明：版权所有，转载请联系作者并注明出处1. 引言贝叶斯方法是一个...