Trisyp的博客

k-近邻算法采用测量不同特征值之间的距离方法进行分类

决策树模型呈树形结构，可以认为是if-then的集合（互斥并且完备：即每一个实例都被一条路径或一条规则所覆盖，而且，只被一条路径或一条规则所覆盖。）或者定义在特征空间与类空间上的条件概率分布

最近正在做的项目正好利用到了逻辑回归，所以正好系统的学习了下，本篇博文把自己的学习笔记、项目思路及代码都记录下来。它的计算原理很多网站和书籍都有介绍，就不在这班门弄斧了，主要还是记录自己如何实现一、逻辑回归简介Logistic Regression算法是通过训练数据中的正负样本，学习样本特征和样本标签的假设函数，它是典型的线性分类器，是广义线性模型的一种。它具有很强的可解释性，应用也非常广泛...

先附上代码，学习笔记回头再补充完整代码如下：# -*- coding: utf-8 -*-# 关闭警告# import warnings# warnings.filterwarnings('ignore')import pandas as pdimport numpy as npfrom scipy.spatial.distance import cdistfrom...

支持向量机（Support Vector Machine）属于有监督的机器学习算法，是一种二分类模型，可用于离散因变量的分类和连续因变量的预测。其本质是计算两个观测数据的距离，学习策略是间隔最大化，所寻找的是能够最大化样本间隔的决策边界，因此又被称为大间距分类器。因为它可使用一个名为核函数的技巧，来将非线性问题变换为线性问题，将低维线性不可分的空间转换为高维线性可分空间，所以它相对于其他单一分类...

先附上代码，学习笔记回头再补充完整代码如下：# -*- coding: utf-8 -*-# 关闭警告# import warnings# warnings.filterwarnings('ignore')# 宏观数据和烟草数据回归分析 计算回归系数import pandas as pdimport numpy as npimport matplotlib.pyplo...

推荐系统虽然当前我在实践中还不需要用到，但作为数据算法工程师，是需要系统的了解清楚，并且知道如何去使用，它在电商、广告、新闻、小视频等平台上的应用十分广泛，如以推荐为特色的今日头条、抖音等、淘宝、京东等的商品推荐。要了解推荐系统我觉得大方向主要分为三步：是什么、为什么、怎么做。1. 推荐系统——是什么？如果定义推荐系统，则有：其中，C是全体用户集合，S为全部商品/推荐内容集合，u是评判把推荐的好坏评判函数，推荐是对于，找到，使得u最大。通俗来讲，推荐系统就是根据用户的历史行为、社交关系、兴趣

文章地址：https://www.jianshu.com/p/23949ca4f8ab文章写的比较容易理解，但仅仅对二分类的学习问题可行性进行讨论，并非所有的机器学习输出空间都是二值的，其他类型的需要更深入的学习了。文章参考资料：[1] Learning From Data（网易公开课）.[2] 林轩田机器学习基石（B站公开课）.[3] No Free Lunch Theorems.[4] 机器学习为什么可行的上、中、下（知乎八汰）.[5] 机器学习 - 学习理论（博客园viredery）