摘要：简介 机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论等多门学科。它是人工智能（AI）的核心，是使计算机具有智能的根本途径。目前已广泛应用于数据挖掘、计算机视觉、自然语言处理、检测信用卡欺诈、证券市场分析、搜索引擎、无人驾驶、机器人等领域。 分类 按照学习方法 监督式学习（Supervise 阅读全文

摘要：英文全称为Density-Based Spatial Clustering of Applications with Noise。 它是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现 阅读全文

摘要：学习机器学习算法和理论，就躲不开学习相关的数学知识，例如线性代数、微积分、概率论和最优化方法。对于每一块数学知识，这里简单地提几句。 线性代数 线性代数在机器学习中的使用非常之多，具体用到的知识点有： 向量和它的各种运算，包括加法，减法，数乘，转置，内积 向量和矩阵的范数，L1范数和L2范数 矩阵和 阅读全文