撕裂的天堂

快找工作了，之前学的知识感觉太零碎，自问面试的时候能不能对答如流，觉得没什么底气。所以准备将之前所学做一个系统的总结，既是对所学知识的升华，也可以帮助初学者理清一个思路。那就从最简单的线性模型开始吧。线性模型线性回归首先解释一下什么叫回归，给定一个点集，能够用一条曲线，平面，或者超平面去拟合。这个过程就叫回归，如果是用来拟合的是直线，就叫线性回归，如果是一条二次曲线就叫二次回归。机器学...

上一篇总结了线性回归，岭回归。其实还有一种常用的线性回归，就是局部加权线性回归(Locally Weighted Linear Regression,LWLR)。在该算法中，我们给待预测点附近的每个点赋予一定的权重，然后在这个子集上基于最小均方差来进行普通的回归。注意这里，它不能预测没有数据集的地方，它只能预测有数据集的地方，主要的作用就是解决欠拟合的问题。我之前有个误解，就是想用这种方法，去预测...

支持向量机(Support Vector machines) 简称SVM是机器学习里面很经典的一个算法，懂了支持向量机你就可以做很多项目了。先通俗的讲述一下原理，不会提什么"函数间隔”，“几何间隔“”。从最简单的线性二分类问题入手。我们要找到一条直线，能把所有样本分为两类。这样的直线有很多，我们需要选取一条最优的，我们认为分类直线离样本最远就是最优的。因为离的越远，就越不容易误分类，为什么呢？...