ANDY

简介条件概率的公式：P(AB)=P(A)P(B|A)=P(B)P(A|B)；即事件A和事件B同时发生的概率等于在发生A的条件下B发生的概率乘以A的概率。由条件概率公式推导出贝叶斯公式：P(B|A)=P(A|B)P(B)/P(A)；即,已知P(A|B)，P(A)和P(B)可以计算出P(B|A)。假设B是由相互独立的事件组成的概率空间{B1,b2，…bn}。则P(A)可以用全概率公式展开：P(A)=P

KNN源码实现from numpy import *import operatordef createDataSet(): group=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels=['A','A','B','B'] return group,labelsdef classify0(inx,dataSet,labels,

知乎上发的资源链接： https://www.zhihu.com/question/59111377 机器学习公众号对外发布的200题链接： http://mp.weixin.qq.com/mp/homepage?__biz=MzI4MTQ2NjU5NA==&hid=1&sn=93c4875b14fa5ad6f174829b2b8b4463&scene=18#wechat_redirect

直接看这篇博客讲的很好。收获很大，转载给大家：https://www.cnblogs.com/wjy-lulu/p/7009038.html

SVM（support vector machines，支持向量机）是机器学习算法里面非常重要的一个二分类模型，不过该模型也可以算是机器学习算法里面最基础、最难理解的一个算法，因为该算法涉及到大量的数学知识，包括线性代数、高等数学，所以本文将从最基本的知识讲起，逐步深入讲清楚SVM的原理。一、深入理解超平面很多讲解支持向量机的文章从一开头就开始讲超平面及其方程，这样对多数没有基础的人来说较难理...

个人认为比较好的讲解PCA 详细请参考：https://blog.youkuaiyun.com/qq_37791134/article/details/81387813PCA算法过程简单总结总结一下PCA的算法步骤：设有m条n维数据。1）将原始数据按列组成n行m列矩阵X2）将X的每一行（代表一个属性字段）进行零均值化，即减去这一行的均值3）求出协方差矩阵4）求出协方差矩阵的特征值及对应的特征向量...

已知直线上两点求直线的一般式方程已知直线上的两点P1(X1,Y1) P2(X2,Y2)， P1 P2两点不重合。则直线的一般式方程AX+BY+C=0中，A B C分别等于：A = Y2 - Y1B = X1 - X2C = X2Y1 - X1Y2直线外一点到直线的距离P 的坐标为（Xo，Yo），则点 P 到直线 L 的距离为：Python实现def getDis(pointX,p...