thesby的专栏

机器学习中的相似性 本文转载自http://blog.youkuaiyun.com/pi9nc/article/details/9068359　　 在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。 　　本文的目

数据归一化和两种常用的归一化方法 声明：本文转载自http://www.cnblogs.com/chaosimple/archive/2013/07/31/3227271.html 数据标准化（归一化）处理是数据挖掘的一项基础工作，不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指

声明：本文转载自http://blog.youkuaiyun.com/lsjseu/article/details/20359201?utm_source=tuicool&utm_medium=referral 先决条件 在阅读这个教程之前，你多少需要知道点python。如果你想从新回忆下，请看看Python Tutorial. 如果你想要运行教程中的示例，你至少需要在你的电脑上安装了以下一

第一章 准备工作1.1、编程环境搭建本教程采用的编程语言为python，推荐使用Anaconda，这样可以不用自己安装各种库。要知道，现在在windows安装python的库时，经常出现安装失败。安装了Anaconda后，应该是已经有了numpy 、scipy、matplotlib、sklearn。如果你是在linux上使用python，那么可以不需要Anaconda了，可以下载库的源码，自己编译即

简单分类训练数据样本包含输入向量以及对应的目标向量的应用被称作有监督学习，例如MNIST手写识别。如果训练样本仅有输入向量，而没有目标向量，则称为是无监督学习。若一个输入样本的目标是将其映射到有限个离散标签中的一个，则称其为分类问题；若一个样本的目标是将其映射到一个连续区间，则称其为回归问题。增强学习关注的是在给定条件下，找到合适的动作，使得获得的奖励达到最大值。所以这种学习没有给定最优目标，而Ag