摘要：关于这个主题，涉及到以下问题： 1、大数定理 描述样本均值和真实均值的关系：样本足够大，样本均值倾向于真实均值 2、中心极限定理 描述样本均值和正太分布的关系：样本足够大，样本均值分布接近正太分布 3、置信度和置信区间 给定一个置信度，可以查表得出置信区间 4、假设检验 给出一个假设，从而基于这个假 阅读全文

摘要：不同距离度量的不同含义 阅读全文

摘要：0、什么是数据不平衡问题 在机器学习的分类问题中，不同类别的样本数据量存在差异。在某些场景，比如网页点击率预估(网页点击率低)，购物推荐(浏览产生的购买少)，信用卡欺诈，网络攻击识别等，这种差异可能会较大。传统的学习算法，对不同类别的数据一视同仁地处理，会产生在多数类样本效果较好，但是在少数类样本上 阅读全文

摘要：这篇准备说一说，快速检索的问题。 阅读全文

摘要：太累了，实在是不想写了，以后补吧 1、数据降维 1.1、什么是数据降维 1.2、什么时候需要数据降维 2、线性降维 2.1、PCA 2.2、LDA 2.3、总结 3、流形学习 3.1、什么是流形学习 3.2、ISOMap 3.3、LLE 4、t-SNE和可视化 5、DeepAE 6、总结 阅读全文

摘要：1、特征工程是什么 有这么一句话在业界广泛流传：数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。由此可见对数据和特征的处理是机器学习的基石，也就是我所理解的特征工程。特征工程本质上是一个工程问题，机器学习的脏活累活。却也是不可获取至关重要的工作。业界广为流传的一张特征工程思维导图如 阅读全文

摘要：0、模型选择 对于不同的业务场景，需要不同的策略来处理问题。没有一个算法可以处理好所有问题，并取得最好的效果。这样就是没有免费午餐原理。 因此，对于不同业务，不同的应用场景，需要选择不同的模型来解决实际问题。 对于模型的选择，可以分为两个层面： 1、对于一个既定算法，如何让这个算法达到最优？ 2、对 阅读全文

摘要：0.前言 学习机器学习有几年时间了，开始一直是零零碎碎断断续续学一些东西，断续琐碎；后面慢慢地把各个点串起来，形成了体系。早有打算整理出来，但是总觉得有些地方理解欠佳，不敢轻易动笔。最近把各个部分都思考了一下，感觉应该问题不大了，遂准备着手整理成一系列文章。记录自己对机器学习的一些理解，以备忘。 也 阅读全文