JavaPub

1.训练决策树时的参数是什么？ 2.在决策树的节点处分割的标准是什么？ 3.基尼系数的公式是什么？ 4.熵的公式是什么？ 5.决策树如何决定在哪个特征处分割？ 6.你如何用数学计算收集来的信息？你确定吗？ 7.随机森林的优点有哪些？ 8.介绍一下boosting算法。 9.gradient boosting如何工作？ 10.关于AdaBoost算法，你了解多少？它如何工作？ 1...

转载自：https://www.cnblogs.com/subconscious/ 强烈推荐--入门必读 如果你做好准备了，那一定耐心的读完，你一定会有所收获。（大概需要10分钟） 　　在进入正题前，我想读者心中可能会有一个疑惑：机器学习有什么重要性，以至于要阅读完这篇非常长的文章呢？ 　　我并不直接回答这个问题前。相反，我想请大家看两张图，下图是图一：  图1 机器学习界的执牛耳者与...

不是太合适新手读：https://blog.youkuaiyun.com/han_xiaoyang/article/details/50759472

哈工大-讯飞语言云 清华中文分词THULAC 搜狗实验室分词和词性标注 AYLIEN Aspect-Based Sentiment Analysis 斯坦福CORENLP

https://www.cnblogs.com/liulunyang/p/3868808.html

入门很棒的文章 原地址 聚类与分类的区别 分类：类别是已知的，通过对已知分类的数据进行训练和学习，找到这些不同类的特征，再对未分类的数据进行分类。属于监督学习。 聚类：事先不知道数据会分为几类，通过聚类分析将数据聚合成几个群体。聚类不需要对数据进行训练和学习。属于无监督学习。 关于监督学习和无监督学习，这里给一个简单的介绍：是否有监督，就看输入数据是否有标签，输入数据有标签，...

https://blog.youkuaiyun.com/zhaoxinfan/article/details/11069485 好文