摘要：首先，简单介绍下k-means聚类：效果简单有效，易于map—reduce化 算法思路：1、选择k个点作为原始的质心（k如何定） 2、将每个点指派到最近的质心，形成k个簇 3、重新计算每个簇的质心（x,y坐标的均值）--[新的质心不一定为样本点哦] 4、迭代2、3步直到簇心收敛于某一个阈值 优缺点： 阅读全文

摘要：1|—— rpart函数 shuttle数据集 数据集： 代码： 绘图： rpart.plot(b,type=1) rpart.plot(b,type=2) 分类的效果还是不错的，but这是数据洗的好啊... outcome: OUTCOME: _ tsamp集合 _samp集合 阅读全文

摘要：思路梳理： 决策树 |————Bagging[bootstrap抽样、投票分类] |————Boosting[bootstrap抽样、分错元组权重上升、分类器上也加权重进而判断] |————RandomForest[bootstrap抽样、n个特征找2~3个特种建树分类、Cart算法（基尼系数、不剪 阅读全文