gdy的博客

主要是本rookie对SVM的一点拙见，文章水平不高，如果没必要搞懂其中的数学原理，我相信本文章能够且足够带你了解SVM了。

聚类也许是 器学习中"新算法"出现最多,最快的领域,一个重要原因是聚类不存在客观标准;给定数据集 ，总能从某个角度找到以往算法未覆盖的某种标准从而设计出新算法，相对于机器学习其他分支来说，聚类的知识还不够系统化，但是聚类技术本身在现实任务中非常重要。文章目录一，聚类任务二、性能度量三，距离计算四，原型聚类五，密度聚类六， 层次聚类一，聚类任务`聚类是一类“无监督学习”(unsupervised learning),常见的无监督学习任务还有密度估计（density estimation）,异常检测.

在之前的文章里我们介绍了机器学习的支持向量机算法，但是可能有新来的小伙伴对机器学习不是很理解，那我们这篇文章就来介绍一下机器学习从最简单的开始带大家认识机器学习，当然还是从数学角度。文章目录一，机器学习两大派频率派 (统计机器学习)贝叶斯派（概率图模型）二，线性回归 （最小二乘估计）二，由线性回归引起的一系列机器学习一、pandas是什么？二、使用步骤1.引入库总结一，机器学习两大派两种派系没有对错之分，只是对问题处理方式不同而已频率派 (统计机器学习)频率派把模型参数看成未知的定量，.

软间隔与正则化，核函数

SVM硬间隔与支持向量的数学推导

kNN这种简单暴力的分类器对我这种rookie来说已经很友好了