thystar的专栏

一、关联分析    最初接触到数据挖掘的朋友肯定都听说过这样的一个案例：啤酒和尿布。大意是将啤酒和尿布放在一起的销售会提高。其实这背后隐含的原理就是关联分析，简单来讲就是啤酒和尿布之间存在着某种关联关系。关联关系时指从大规模的数据集中寻找物品之间的隐含关系，有时关联分析也可以称为关联规则学习。二、关联分析的重要概念    关联分析主要要做的工作是在大规模数据集上找到某些关系

这套笔记是跟着七月算法四月机器学习班的学习而记录的，主要记一下我再学习机器学习的时候一些概念比较模糊的地方，具体课程参考七月算法官网：http://www.julyedu.com/特征工程总结模型选择没有那种模型是万能的，在特定情况下选择适合的模型 对这幅图做如下解释 从start开始，先看数据的训练样本 在数据样本比较小的情况下，需要添加更多样本或放弃机器学习，用人工规则处理。 当样

这套笔记是跟着七月算法四月机器学习班的学习而记录的，主要记一下我再学习机器学习的时候一些概念比较模糊的地方，具体课程参考七月算法官网：http://www.julyedu.com/特征工程特征 => 数据中抽取出来的对结果预测有用的信息 特征工程是使用专业背景知识和技巧处理数据,使得特征能在机器学习算法上发挥更好的作用的过程。 数据与特征处理 特征处理中不同类型的的特征的处理数值

这套笔记是跟着七月算法四月机器学习班的学习而记录的，主要记一下我再学习机器学习的时候一些概念比较模糊的地方，具体课程参考七月算法官网：http://www.julyedu.com/ 矩阵分析与应用主要介绍的内容有：如图首先，来看两个示例：

这套笔记是跟着七月算法四月机器学习班的学习而记录的，主要记一下我再学习机器学习的时候一些概念比较模糊的地方，具体课程参考七月算法官网：http://www.julyedu.com/   1 线性回归概念：一般做连续值变量的预测，如股票价格走势等对于预测阶段举例来说：房子的面积与价格的关系如下表所示：可以得到如下图：可以近似画出右边的直

这套笔记是跟着七月算法四月机器学习班的学习而记录的，主要记一下我再学习机器学习的时候一些概念比较模糊的地方，具体课程参考七月算法官网：http://www.julyedu.com/ 1. 无约束优化问题1.1 举例首先看一个例子，对于这个方程组，由于b=[0 1 1]' 不在系数组成的列空间内，即因此，这个方程没有解。但是，是否可以找到一个近似解。即

数理统计和参数估计首先，看一下概率与统计的关注点概率论问问题的方式：已知总体的可能性，求某种事件发生的概率，如图所示：

在现实世界中，很多事物被表示为高维数据——如语音信号，图像，视频，文本文档，手写字母或数字，指纹和高光谱图像等。 我们通常需要分析和处理大量的数据，For instance， 我们需要鉴别person‘s fingerprint, 通过keyword在网络中搜索文档，去发现图像中某些潜在的模式，从视频中跟踪物体等等。 To complete these tasks， we develop syst

一、lasso   前面已经叙述了基本的线性回归，局部加权线性回归，以及岭回归。其中，局部加权线性回归做的工作就是进行了特征的选择，选择的策略是进行局部的约束；岭回归是采用的正则化的方法进行特征的选择，使用的是。而lasso采用的则是，即lasso是在平方误差的基础上增加：， 0" src="http://latex.codecogs.com/gif.latex?\lambda%3

转载地址：http://blog.youkuaiyun.com/google19890102/article/details/27228279 一、一般线性回归遇到的问题    在处理复杂的数据的回归问题时，普通的线性回归会遇到一些问题，主要表现在：预测精度：这里要处理好这样一对为题，即样本的数量和特征的数量时，最小二乘回归会有较小的方差时，容易产生过拟合时，最小二乘回