味小道的专栏

聚类是机器学习中很重要的一部分，是一种无监督学习，本次选择K-means算法对图片的像素进行聚类         K-means，顾名思义，K-均值，首先随机地选择k个对象，每个对象初始地代表了一个簇的平均值或中心。对剩余的每个对象根据其与各个簇中心的距离，将它赋给最近的簇，然后重新计算每个簇的平均值。这个过程不断重复，直到每个簇的中心确定不变。     首先关注一下空间中每个点如何计算，普遍

以前再看用RF和GBDT的时候，以为是很相似的两个算法，都是属于集成算法，但是仔细研究之后，发现他们根本完全不同。下面总结主要的一些不同点 Random Forest： bagging （你懂得，原本叫Bootstrap aggregating） Recall that the key to bagging is that trees are repeatedly fit to