摘要：间隔、对偶、核技巧 一、硬间隔支持向量机 1.1 模型定义 硬间隔分类器也作最大间隔分类器：确保两类的特征点到决策面$y=w^Tx+b$距离最大。 由于目的是分类，故引入$sign(y)$函数 $$ sign(y)=\left\{\begin{matrix} +1 & y 0\\ 1 & y0&y_ 阅读全文

摘要：一、连续值和缺省值的处理 1.1 连续值 处理数据中的连续值，如下图的含糖率： 基本思路：连续属性离散化 常见做法：二分法 n个属性形成n 1个候选区域 1 17个🍉，含糖率有17个值 划分为16个区域 每个区域的中点作为划分点 把候选区域当作离散值处理，寻找最佳划分 根据最佳属性选择方法选取最优 阅读全文

摘要：一、决策树的模型概述 决策树基于树结构进行决策（🍉）： 内部节点：对应某个属性，应用于某个属性的测试（色泽） 分支：对应测试产生的可能结果，对应于属性的某个值（红、绿） 叶子节点：对应测试结果 学习过程：通过对训练样本的分析来确定划分属性（内部节点的属性） 预测过程：将待测数据从根结点开始，沿着划 阅读全文

摘要：一、线性模型 1.1 线性模型 线性模型：试图学得一个 属性的线性组合 来进行预测的函数 $$ f(x) = w_1x_1+w_2x_2+..+w_dx_d+b $$ 向量模式： $$ f(x)=w^Tx+b $$ 简单、基本、可解释性好 （可看出每部分属性所做的贡献） 可用于分类和回归 1.2 线 阅读全文