摘要：线性分类器与非线性分类器的区别及优势 线性分类器：模型是参数的线性函数，分类平面是（超）平面； 非线性分类器：模型分界面可以是曲面或者超平面的组合。 典型的线性分类器有感知机，LDA，逻辑斯特回归，SVM（线性核）； 典型的非线性分类器有朴素贝叶斯（有文章说这个本质是线性的，http://datau 阅读全文

摘要：图模型 图模型是一类用图来表示概率分布的一类技术的总称。 它的主要优点是把概率分布中的条件独立用图的形式表达出来，从而可以把一个概率分布（特定的，和应用相关的）表示为很多因子的乘积，从而简化在边缘化一个概率分布的计算，这里的边缘化指的是给定n个变量的概率分布，求取其中m个变量的概率分布的计算（m小于 阅读全文

摘要：为什么要用逻辑回归 逻辑回归主要解决线性可分问题，模型简单，易于理解和实现，很适合用来学习大数据的问题。另外，逻辑回归做在线学习比较容易，处理速度也快。 SVM和LR的区别： 两种方法都是常见的分类算法,从目标函数来看,区别在于逻辑回归采用的是logistical loss,svm采用的是hinge 阅读全文

摘要：以下内容接机器学习面试问题5. 神经网络参数相关 参数的范围 目前还没有明确的参数范围，只有个人总结性的原则。如下： 网络参数确定原则： ①、网络节点 网络输入层神经元节点数就是系统的特征因子(自变量)个数，输出层神经元节点数就是系统目标个数。隐层节点选按经验选取，一般设为输入层节点数的75%。如果 阅读全文

摘要：以下内容接机器学习面试问题3。内容比较粗略，细化会在后期完成，敬请期待。 神经网络 神经网络算法涉及的知识点内容较多，需要深入专研，可参考： http://max.book118.com/html/2016/0303/36785438.shtm BP网络的四个学习过程：（δ规则） 1）模式顺传播 ， 阅读全文

摘要：常见问题 和svm相关的 如何组织训练数据 1）将数据分开为训练集、测试集； 2）对训练集寻优，构建好决策函数，训练分类器； 3）用测试集验证准确率，达到满足需要的准确率后，就可以用新数据分类。 如何调节惩罚因子 惩罚因子（参数C）：为了使用松弛变量才引入的，表示对离群点的重视程度。C越大越重视，越 阅读全文

摘要：以下内容承接机器学习相关面试2。 Apriori Apriori算法是一种关联规则的基本算法，是挖掘关联规则的频繁项集算法，也称“购物篮分析”算法，是“啤酒与尿布”案例的代表。 算法步骤： 1）依据支持度找出所有频繁项集。 Apriori算法是发现频繁项集的一种方法。Apriori算法的两个输入参数 阅读全文

摘要：本机器学习面试问题系列博客共有10章，从1到10分别总结了机器学习面试的经典常用问题，也是阿里面试常用考题，系小编呕心沥血之作，希望大家能够在参考之余和小编积极交流，欢迎评论，欢迎来踩！希望能对和小编一样的机器学习爱好者提供实质性帮助。 基本知识 监督与非监督的区别 监督：输入的数据有明确的标识，可 阅读全文

摘要：算法原理 LR logistic(逻辑回归)是一种广义线性回归分析模型，是一种分类算法。 通过函数L将w‘x+b对应一个隐状态p，p =L(w‘x+b),然后根据p 与1-p的大小决定因变量的值。L是logistic函数. 该模型是典型的数学模型，它服从逻辑斯蒂分布。 二项逻辑斯蒂回归模型是如下的条 阅读全文

摘要：userCF和itemCF在实际当中如何使用，提供具体操作，以及它们的优势（推荐系统） 基于用户的协同过滤算法UserCF 基于用户的协同过滤，通过不同用户对物品的评分来评测用户之间的相似性，基于用户间的相似性做出推荐。 简单来讲就是：给用户推荐和他兴趣相似的其他用户喜欢的物品。 基于UserCF的 阅读全文

摘要：B-树：多路搜索树，每个结点存储M/2到M个关键字，非叶子结点存储指向关键字范围的子结点；所有关键字在整颗树中出现，且只出现一次，非叶子结点可以命中； B+树：在B-树基础上，为叶子结点增加链表指针，所有关键字都在叶子结点中出现，非叶子结点作为叶子结点的索引；B+树总是到叶子结点才命中； B*树：  阅读全文