Mephostopheles

摘要： 随机森林是一种**由决策树构成的（并行）集成算法**，属于Bagging类型，通过组合多个弱分类器，最终结果通过投票或取均值，使得整体模型的结果具有较高的精确度和泛化性能，同时也有很好的稳定性，广泛应用在各种业务场景中。随机森林有如此优良的表现，主要归功于「随机」和「森林」，一个使它具有抗过拟合能力，一个使它更加精准。 阅读全文

摘要： 决策树（Decision tree）是基于已知各种情况（特征取值）的基础上，通过构建树型决策结构来进行分析的一种方式，是常用的有监督的分类算法（也就是带有标签的训练数据集训练的，比如后文中使用到的训练集中的好瓜坏瓜就是标签，形容瓜的就是特征） 阅读全文

摘要： yoga联想电脑黑屏 阅读全文

摘要： 第一次接触bpaas，个人学习用，基于我们的一个印章加密合同管理的Bpaas平台的架构设计 阅读全文

摘要： 在机器学习中如KNN、逻辑回归、决策树等模型都是判别方法，也就是直接学习出特征输出$Y$和特征$X$之间的关系（决策函数$Y=f(x)$或者条件分布 $P(Y|X)$。但朴素贝叶斯是生成方法，它直接找出特征输出$Y$和特征$X$的联合分布$P(X,Y)$，进而通过$P(Y|X)=\frac{P(X,Y)}{P(X)}$计算得出结果判定 阅读全文

摘要： 线性回归与分类，Sigmoid 函数与决策边界，梯度下降与优化，正则化与缓解过拟合 阅读全文

摘要： K近邻算法——选择**未知样本一定范围内确定个数的K个样本**，该K个样本大多数属于某一类型，则未知样本判定为该类型。K近邻算法是最近邻算法的一个延伸。根据K近邻算法，离绿点最近的三个点中有两个是红点，一个是蓝点，红点的样本数量多于蓝点的样本数量，因此绿点的类别被判定为红点。 阅读全文

摘要： 第一次接触axure9，尝试模拟一个app页面与交互 阅读全文