孤竹的博客

CART(classification and regression tree)分类和回归树模型由Breiman等人在1984年提出，应用最广泛的决策树学习方法。CART(classification and regression tree)分类和回归树模型由Breiman等人在1984年提出，应用最广泛的决策树学习方法。CART是在给定输入随机变量X条件下 输出随机变量Y的 条件概率

参考  下载Python中的Numpy、SciPy、MatPlotLib安装与配置版本是2.7但是 安装NumPy是出现以下错误python version 2.7 required,which was not found in the registry原因  不能再注册表中识别出来python2.7解决如下http://www.cnblog

决策树：（decision tree）是一种基本的分类和回归方法。 由结点（node）和有向边（directed edge）组成，结点分为内部节点（internal node）和叶节点（leaf node）。内部结点表示一个特征或属性，叶结点表示一个类。

silhouette 是一个衡量一个结点与它属聚类相较于其它聚类的相似程度。取值范围-1到1，值越大表明这个结点更匹配其属聚类而不与相邻的聚类匹配。如果大多数结点都有很高的silhouette value，那么聚类适当。若许多点都有低或者负的值，说明分类过多或者过少。silhouette 可以根据任意距离度量，如 Euclidean distance ， Manhattan d

这里，我们讨论特征选择和特征提取，前者选取重要的特征子集，后者由原始输入形成较少的新特征，理想情况下，无论是分类还是回归，我们不应该将特征选择或特征提取作为一个单独的进程，分类或者回归方法应该能够利用任何必要的特征，而丢弃不相关的特征。但是，考虑到算法存储量和时间的复杂度，或者输入不必要的特征等原因，还是需要降维。较简单的模型在小数据上更为鲁棒，有小方差，模型的变化更依赖于样本的特殊性，包括噪声，

转自：http://www.jdon.com/bigdata/java-machine-learning.html编写程序是最好的学习机器学习的方法。你可以从头开始编写算法,但是如果你要取得更多的进展,建议你采用现有的开源库。在这篇文章中你会发现有关Java中机器学习的主要平台和开放源码库包。环境本节描述可用于机器学习的java环境或工作台。他们被称为环境，因为他们为执

1、安装weka和mysql2、下载连接驱动程序，weka连接mysql数据库需要连接驱动程序mysql-connector-java-5.0.0-bin.jar，在weka的安装目录下C:\Program Files\Weka-3-7新建lib文件夹，将jar包复制到lib文件夹下，并且在C:\Program Files\Java\jre6\lib\ext下也放mysql-connect