摘要： #一、什么是支持向量机 支持向量机（support vector machines, SVM）是一种二分类模型，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，间隔最大使它有别于感知机；SVM还包括核技巧，这使它成为实质上的非线性分类器。SVM的的学习策略就是间隔最大化，可形式化为一个求解凸二 阅读全文

摘要： #一、Logistic回归的基本概念 1.1 基本概念 Logistic回归（logistic regression）是统计学习中的经典分类方法，属于对数线性模型，所以也被称为对数几率回归。假设现在有一些数据点，我们利用一条直线对这些点进行拟合(该线称为最佳拟合直线)，这个拟合过程就称作为回归，如下 阅读全文

摘要： 一，朴素贝叶斯算法理论基础 朴素贝叶斯算法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练集，首先基于特征条件独立假设学习输入输出的联合概率分布（朴素贝叶斯法这种通过学习得到模型的机制，显然属于生成模型）；然后基于此模型，对给定的输入 x，利用贝叶斯定理求出后验概率最大的输出 y。最为广 阅读全文

摘要： 一.决策树是一种分类器，通过ID3，C4.5和CART等算法可以通过训练数据构建一个决策树。但是，算法生成的决策树非常详细并且庞大，每个属性都被详细地加以考虑，决策树的树叶节点所覆盖的训练样本都是“纯”的。因此用这个决策树来对训练样本进行分类的话，你会发现对于训练样本而言，这个树表现完好，误差率极低 阅读全文

摘要： 决策树的定义 决策树（decision tree）：是一种基本的分类与回归方法，此处主要讨论分类的决策树。在分类问题中，表示基于特征对实例进行分类的过程，可以认为是if-then的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。决策树通常有三个步骤：特征选择、决策树的生成、决策树的修剪。 阅读全文

摘要： K近邻算法知识背景：K-近邻法(K-nearest neighbor, K-NN)是1967年由Cover T和Hart P提出的一种基本分类与回归方法（百度的）。它的工作原理是：存在一个样本数据集合，也称作为训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一个数据与所属分类的对应关 阅读全文

摘要： 关于机器学习，我个人理解是通过一些现有的、已经发生的资料来集合成一个规律去推算不知道的事情。在通过阅读书籍可以了解到，机器学习的定义是用数据或以往的经验，以此优化计算机程序的性能标准。但我认为这个定义与我们这个课程相差甚远，在机器学习的过程中，我们经常用一些已知的数据资料，不断训练去形成模型，最后用 阅读全文

摘要： *p p=p+1的地址 *p p的地址 再将p=p+1 （*p）++ p的地址再加一 *（p++) p=p+1的地址 阅读全文

摘要： 所谓数组，是有序的元素序列。若将有限个类型相同的变量的集合命名，那么这个名称为数组名。组成数组的各个变量称为数组的分量，也称为数组的元素，有时也称为下标变量。用于区分数组的各个元素的数字编号称为下标。数组是在程序设计中，为了处理方便， 把具有相同类型的若干元素按无序的形式组织起来的一种形式。这些无序 阅读全文

摘要： 2.1对十七个火柴进行编号，随机去掉五个，符合条件输出，循环至结束 2.5 农夫先把羊运到河对岸——>农夫一个人独自回来———>农夫把狼运到河对岸——>农夫把羊带回来——>农夫把菜运到河对岸——>农夫一个人独自回来——>最后农夫带着羊一起过河。 阅读全文