weixin_43211186的博客

决策树是一种用于分类和回归的模型，是一种有监督的机器学习算法，可用于分类和回归问题。树回答连续的问题，这些问题使我们在给出答案的情况下沿着树的某个路线前进。当构建决策树时，我们知道变量使用哪个变量和哪个值来拆分数据，从而快速预测结果。森林具有与决策树几乎相同的超参数，通常来说，一棵树没法得到有效的以及希望得到的结果，这时候就需要用到随机森林的概念，随机森林是一种用于分类、回归和其他任务的集成学习方法。随机森林可以理解成一组决策树，是将很多决策最终聚合成一个结果，通过在训练时构建大量决策树来进行操作，是一种基

有时我们需要计算一个不确定原因的概率给出一些观察到的证据，在这些情况下可以使用贝叶斯方法。贝叶斯网络（bayesian network）是一种概率图形模型，它在图形模型中显式捕获已知的有向边的条件依赖性，它通过有向无环图(DAG)表示一组变量及其条件依赖关系。贝叶斯网络非常适合用于获取已发生的事件并预测几种可能的已知原因中的任意一种。例如，贝叶斯网络可以表示疾病和症状之间的概率关系。给定症状，该网络可用于计算各种疾病存在的概率。高效的算法可以在贝叶斯网络中进行推理和学习。对变量序列（例如 语音信号或蛋

在统计学中，K近邻算法（K-NN）是一种非参数监督学习方法，最初由Evelyn Fix和Joseph Hodges在 1951 年开发，后来由Thomas Cover扩展。

0x01 蚁群效应《昆虫记》中这样描述红蚂蚁：红蚂蚁出征的远近取决于黑蚂蚁家的远近，它们出征的道路并不选择，也没有明确的目的地。除了水路之外，它们都能穿过单个蚂蚁不存在有规律的、复杂的行为体系，较大的不确定性和随机性使单个蚂蚁不具备训练条件，一个庞大的蚁群可以看作一个完备的系统，分工明确，行为轨迹可分析，蚁群效应主要用于管理层面，蚁群具有明确分工和严谨的组织框架但蚁群算法使用的分析结构和蚁群效应不同0x02 Traveling salesman problem在理解蚁群算法时

0x01 线性回归概述线性回归（）是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法其表达形式为y = w'x+e，e为误差服从均值为0的正态分布线性回归可能是统计学和机器学习中最著名和最容易理解的算法之一在统计学中，线性回归是一种对标量响应和一个或多个解释变量(也称为因变量和自变量)之间的关系进行建模的线性方法一个解释变量的情况称为简单线性回归（simple linear regression）对于多个，这个过...

1、什么是人工智能？人工智能分哪几个阶段？人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智 能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能的定义对人工智能学科的基本思想和内容作出了解释，即围绕智能活动 而构造的人工系统。人工智能是知识的工程，是机器模仿人类利用知识完成一定行为的过程。根据人 工智能是否能真正实现推理、思考和解决问题，可...