INFINALGEORGE的博客

1.机器学习算法岗常见笔试面试题整理：https://blog.csdn.net/xxn_723911/article/details/802644702.机器学习SVM算法常见面试题（一）：https://blog.csdn.net/mengjizhiyou/article/details/1055099473.机器学习与算法常见面试题总结（持续更新）：https://blog.csdn.net/a18612039484/article/details/100590354...

上：https://blog.csdn.net/HerosOfEarth/article/details/52347820下：https://blog.csdn.net/HerosOfEarth/article/details/52425952

简介Adaboost算法是一种提升方法，将多个弱分类器，组合成强分类器。AdaBoost，是英文”Adaptive Boosting“（自适应增强）的缩写，由Yoav Freund和Robert Schapire在1995年提出。它的自适应在于：前一个弱分类器分错的样本的权值（样本对应的权值）会得到加强，权值更新后的样本再次被用来训练下一个新的弱分类器。在每轮训练中，用总体（样本总体）训练新的弱分类器，产生新的样本权值、该弱分类器的话语权，一直迭代直到达到预定的错误率或达到指定的最大迭代次数。总体—

简介NaïveBayes算法，又叫朴素贝叶斯算法，朴素：特征条件独立；贝叶斯：基于贝叶斯定理。属于监督学习的生成模型，实现简单，没有迭代，并有坚实的数学理论（即贝叶斯定理）作为支撑。在大量样本下会有较好的表现，不适用于输入向量的特征条件有关联的场景。基本思想(1)病人分类的例子某个医院早上收了六个门诊病人，如下表：症状　　职业　　　疾病——————————————————打喷嚏　护士　　　感冒打喷嚏　农夫　　　过敏头痛　　建筑工人　脑震荡头痛　　建筑工人　感冒打喷嚏　教师　　　感冒头

原文链接：https://blog.csdn.net/b285795298/article/details/81977271?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineL...

简介又叫K-均值算法，是非监督学习中的聚类算法。基本思想k-means算法比较简单。在k-means算法中，用cluster来表示簇；容易证明k-means算法收敛等同于所有质心不再发生变化。基本的k-means算法流程如下：选取k个初始质心（作为初始cluster，每个初始cluster只包含一个点）； repeat： 对每个样本点，计算得到距其最近的质心，将其类别标为该质心所对应的cluster； 重新计算k个cluster对应的质心（质心是clust

K-近邻算法原理K最近邻(kNN，k-NearestNeighbor)分类算法，见名思意：找到最近的k个邻居（样本），在前k个样本中选择频率最高的类别作为预测类别，什么？怎么那么拗口，没图说个JB，下面举个例子，图解一下大家就会显而易见了，如下图：我们的目的是要预测某个学生在数学课上的成绩。。。先来说明几个基本概念：图中每个点代表一个样本（在这里是指一个学生），横纵坐标代表了特征（到课率，作业质量），不同的形状代表了类别（即：红色代表A（优秀），绿色代表D（不及格））。我们现在看（10，20）这个.

先甩几个典型的线性回归的模型，帮助大家捡起那些年被忘记的数学。● 单变量线性回归： h(x)=theta0 + theta1* x 1● 多变量线性回归： h(x)=theta0 + theta1* x 1 + theta2* x 2 + theta3* x 3● 多项式回归： h(x)=theta0 + theta1* x 1 + theta2* (x2^2) + theta3* (x3^3)多项式回归始终还是线性回归，你可以令x2=x22，x3=x33，简单的数据处理一下就好了，这

一. 逻辑回归在前面讲述的回归模型中，处理的因变量都是数值型区间变量，建立的模型描述是因变量的期望与自变量之间的线性关系。比如常见的线性回归模型：而在采用回归模型分析实际问题中，所研究的变量往往不全是区间变量而是顺序变量或属性变量，比如二项分布问题。通过分析年龄、性别、体质指数、平均血压、疾病指数等指标，判断一个人是否换糖尿病，Y=0表示未患病，Y=1表示患病，这里的响应变量是一个两点（0-1）分布变量，它就不能用h函数连续的值来预测因变量Y（只能取0或1）。总之，线性回归模型通常是处理因变量是连续

https://blog.csdn.net/Fortuna_i/article/details/82751818

支持向量机(SVM)1 摘要支持向量机是一种二类分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，所以模型的学习策略就是间隔最大化，因此形式可化为一个求解凸二次规划的问题，也等价于正则化的合页损失函数的最小化问题，支持向量机的学习算法是求解凸二次规划的最优化算法。对于入门支持向量机，可以先不用看懂上面的摘要，通过逐步理解下面的公式...