算法链接

PCA

SVM详细介绍

逻辑回归1

逻辑回归2

机器学习好多算法

 HMM

KNN

张量

强化学习

K-Means

EM算法

LDA

朴素贝叶斯

随机森林

sigmoid 和 softmax区别

http://www.cnblogs.com/leoo2sk/archive/2010/09/17/naive-bayesian-classifier.html

朴素贝叶斯：

优点：
　　（1） 算法逻辑简单,易于实现（算法思路很简单）
　　（2）分类过程中时空开销小（假设特征相互独立，只会涉及到二维存储）
缺点：
　　理论上，朴素贝叶斯模型与其他分类方法相比具有最小的误差率。但是实际上并非总是如此，这是因为朴素贝叶斯模型假设属性之间相互独立，这个假设在实际应用中往往是不成立的，在属性个数比较多或者属性之间相关性较大时，分类效果不好。
而在属性相关性较小时，朴素贝叶斯性能最为良好。对于这一点，有半朴素贝叶斯之类的算法通过考虑部分关联性适度改进。
整个例子详细的讲解了朴素贝叶斯算法的分类过程

 

CRF （待找）

及他们用在什么地方..

tf-idf