摘要：怎么跟你奶奶解释PCA 2016年11月11日 ~ JKYU 前言 PCA（principal component analysis）是一个遍地可见的处理数据的方法，但是理解起来好像有点困难。 爱因斯坦说，如果没法跟你奶奶解释清楚一个东西，你就还没算真正理解它。看完这篇“教程”后，不妨回家试一试:- 阅读全文

摘要：第一层、了解SVM 支持向量机，因其英文名为support vector machine，故一般简称SVM，通俗来讲，它是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，其学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。 1.1、分类标准的起源：Logistic回归 阅读全文

摘要：弄清感知机（Perceptron）是学好支持向量机和神经网络的基础，本文试图对何为感知机（即感知机模型的表示），如何训练感知机（找到最佳的感知机模型参数）这两个问题作出清楚的回答。 什么是感知机？ 感知机的数学表达： 感知机由Rosenblatt在1957年提出,是一种二类线性分类模型。输入一个实数 阅读全文

摘要：机器学习(周志华西瓜书)参考答案总目录 从刚开始学习机器学习到现在也有几个月了，期间看过PDF，上过MOOC，总感觉知道一点了又不是特别明白，最后趁某东买书大减价弄了几本相关的书来看看，其中一本就是西瓜书。一口气看了前10章，感觉每章内容都很少，看完感觉还是和以前一样。每章的习题都只是挑了几个简单的 阅读全文

摘要：SVM：支持向量机 1）线性可区分(linear separable) 思路就是：基于训练集在样本空间中找到一个划分超平面，将不同类别的样本分开！ 问题是：超平面很多，如何能够找到最合适的超平面？ 如上图所示，最合适的超平面即为第二幅图，因为支持向量到超平面的距离（间隔，margin）最大， 图二即 阅读全文