无监督学习(unsupervised learning) 在无监督学习中，训练样本的标记信息是未知的，目标是通过对无标记训练样本的学习来揭示数据...

Bagging---Bootstrap aggregating 是并行式集成学习方法最著名的代表，基于自助采样法允许在同一种分类器上​对训练集进...

神经网络(neural networks)是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交...

集成学习是用多个弱分类器构成一个强分类器，其哲学思想是“三个臭皮匠赛过诸葛亮”。一般的弱分类器可以由决策树，神经网络，贝叶斯分类器，K-近邻等构...

首先补充分类问题SVM不能用于多分类问题，但我们可以用The “One-vs-One” trick for Multi-Class SVMs S...

Scikit-Learn用分裂回归树（Classification And Regression Tree，简称 CART）算法训练决策树...

KNN “物以类聚，人以群分”：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个邻居的信息来进行预测。 KNN...

逻辑回归（logistic regression）又称“对数几率回归。虽然它的名字是回归，但却是一种分类学习方法。逻辑回归也可以从二元分类扩展到...

SVM最初被用来解决线性分类问题，加入核方法之后能有效解决非线性问题。 分类学习基本思想：基于训练集在样本空间中找到一个划分超平面，将不同类别的...