摘要：概述 “数据决定了机器学习的上限，而算法只是尽可能逼近这个上限”，这里的数据指的就是经过特征工程得到的数据。特征工程指的是把原始数据转变为模型的训练数据的过程，它的目的就是获取更好的训练数据特征，使得机器学习模型逼近这个上限。特征工程能使得模型的性能得到提升，有时甚至在简单的模型上也能取得不错的效果 阅读全文

摘要：评估方法 常见的评估方法有: 1. 留出法（hold-out） 2. 交叉验证法（cross validation）3. 自助法（bootstrap） 留出法（hold-out） 将已有的数据集分为两个互斥的部分 保证数据S与T的分布一致 测试集比例一般保持在1/3 ~ 1/5 交叉验证法（cros 阅读全文

摘要：决策树： 决策树又称为判定树，是运用于分类的一种树结构，其中的每个内部节点代表对某一属性的一次测试，每条边代表一个测试结果，叶节点代表某个类或类的分布。 决策树的决策过程需要从决策树的根节点开始，待测数据与决策树中的特征节点进行比较，并按照比较结果选择选择下一比较分支，直到叶子节点作为最终的决策结果 阅读全文

摘要：贝叶斯算法： 在大学的时候我们都学过贝叶斯公式： P(B | A) = P(AB) / P(A) = P(A | B)P(B) / P(A) 表明了，在已知A，B共同发生的概率以及事件A发生的概率, 则可以知道在事件A发生的情况下发生事件B的概率。 然后现在我们就可以将这个公式进行应用到工业中去，假 阅读全文