摘要： 支持向量机，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。在线性可分时，在原空间寻找两类样本的最优分类超平面。在线性不可分时，加入松弛变量并通过使用非线性映射将低维度输入空间的样本映射 阅读全文

摘要： logistic回归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。该模型是一种分类算法，logistic回归是一种线性分类器，针对的是线性可分问题。利用logistic回归进行分类的主要思想是：根据现有的数据对分类边界线建立回归公式，以此进行分类。 假设现在有一些数据点，我 阅读全文

摘要： 朴素贝叶斯是贝叶斯决策理论的一部分，朴素贝叶斯是经典的机器学习算法之一，也是为数不多的基于概率论的分类算法。对于大多数的分类算法，在所有的机器学习分类算法中，朴素贝叶斯和其他绝大多数的分类算法都不同。比如决策树，KNN，逻辑回归，支持向量机等，他们都是判别方法，也就是直接学习出特征输出Y和特征X之间 阅读全文

摘要： 剪枝处理 首先剪枝（pruning）的目的是为了避免决策树模型的过拟合。因为决策树算法在学习的过程中为了尽可能的正确的分类训练样本，不停地对结点进行划分，因此这会导致整棵树的分支过多，也就导致了过拟合。决策树的剪枝策略最基本的有两种：预剪枝和后剪枝： 预剪枝（pre-pruning）：预剪枝就是在构 阅读全文

摘要： 决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象 阅读全文

摘要： K近邻法 (k-nearst neighbors,KNN)是一种很基本的机器学习方法。. 它的基本思想是： 在训练集中数据和标签已知的情况下，输入测试数据，将测试数据的特征与训练集中对应的特征进行相互比较，找到训练集中与之最为相似的前K个数据，则该测试数据对应的类别就是K个数据中出现次数最多的那个分 阅读全文

摘要： p++,p++,(p++)是在p所指向的地址上+1 (*p)++是在p所指向的数据上+1 阅读全文

摘要： 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有序的形式组织起来的一种形式.这些有序排列的 阅读全文

摘要： 2.1题 2.2题 带羊过河 独自回来 带狼过河 带羊回来 带菜过河 独自回来 带羊过河 阅读全文

摘要： 循环结构是指在程序中需要反复执行某个功能而设置的一种程序结构。while 循环是先判断表达式，后执行循环体；而do…while循环是先执行循环体后判断表达式，也就是说do…while的循环体最少被执行一次，而while 循环就可能一次都不执行。 阅读全文