机器学习算法有很多，每个算法都是一个研究领域。你需要选择一个你想要深入研究的机器学习算法的细节程度。如果你是一位对应用预测建模感兴趣的开发者，那么存在一个最佳切入点。本文将描述这个最佳切入点，并为你提供一个 […]
档案 | 机器学习算法
机器学习中的增强和AdaBoost
Boosting 是一种集成技术，它试图从多个弱分类器构建一个强分类器。在本文中，你将了解机器学习的 AdaBoost 集成方法。阅读本文后，你将知道：什么是 Boosting 集成方法以及它通常如何工作。如何学习 Boosting 决策 […]
机器学习的 Bagging 和随机森林集成算法
随机森林（Random Forest）是最流行、最强大的机器学习算法之一。它是一种称为“自助聚合”（Bootstrap Aggregation）或“装袋”（bagging）的集成机器学习算法。在本文中，你将了解用于预测建模的装袋集成算法和随机森林算法。阅读本文后，你将了解： […]
机器学习中的支持向量机
支持向量机（Support Vector Machines）可能是最流行和谈论最多的机器学习算法之一。它们在 1990 年代开发时非常受欢迎，并且至今仍是高性能算法的首选方法，只需很少的调优。在本文中，你将了解支持向量机（SVM）机器学习 […]
用于机器学习的学习向量量化
K-最近邻（K-Nearest Neighbors）的一个缺点是你需要保留整个训练数据集。学习向量量化（Learning Vector Quantization，简称 LVQ）是一种人工神经网络算法，它允许你选择要保留的训练实例数量，并学习这些实例应该是什么样子。在本文 […]
机器学习中的 K 近邻
在本文中，你将了解用于分类和回归的 K-最近邻（KNN）算法。阅读本文后，你将知道：KNN 使用的模型表示。如何使用 KNN 学习模型（提示：它不是学习）。如何使用 KNN 进行预测。KNN 的许多名称，包括不同领域如何称呼它 […]
机器学习朴素贝叶斯教程
朴素贝叶斯（Naive Bayes）是一种非常简单的分类算法，它对每个输入变量的独立性做出了很强的假设。尽管如此，它在许多问题领域都被证明是有效的。在本文中，你将了解用于分类数据的朴素贝叶斯算法。阅读本文后，你将知道：如何 […]
机器学习中的朴素贝叶斯
朴素贝叶斯（Naive Bayes）是一种简单但功能强大的预测建模算法。在本文中，你将了解用于分类的朴素贝叶斯算法。阅读本文后，你将知道：朴素贝叶斯实际存储在文件中的模型表示。如何学习到的模型 […]
用于机器学习的分类和回归树
决策树（Decision Trees）是预测建模机器学习的重要算法类型。经典的决策树算法已经存在数十年，而像随机森林（random forest）这样的现代变种是最强大的技术之一。在本文中，你将了解被称为 CART 的基础决策树算法，CART 代表 […]
机器学习中的线性判别分析
逻辑回归（Logistic regression）是一种分类算法，传统上仅限于二分类问题。如果你有多个类别，那么线性判别分析（Linear Discriminant Analysis）是首选的线性分类技术。在本文中，你将了解用于分类预测建模问题的线性判别分析（LDA）算法。阅读本文后，你将知道： […]