Category / 机器学习

Random Forests 集成学习 《EVA》中有一台超级电脑叫做MAGI， MAGI 系统 由三台拥有不同人格与思维方式的超级计算机组成，分别代表三种身份：科学家的理性思维、母亲的情感判断以及社会女性的现实考量。在

Support Vector Machine 什么是SVM？ SVM英文全程Support Vector Machine ，使用SVM的思想既可以解决分类问题也可以解决回归问题。 先来看看SVM的思想： 前面介绍的 逻辑

Decision Tree 什么是决策树？ 决策树英文全程Decision Tree ，其思路在我们生活中很常见，很多时候我们会不自觉的使用这种思路进行一些判断。 举一个例子：假设一个公司想要招聘 机器学习算法工程师 ，

分类算法评价 分类准确度的问题 回想一下 如何评价机器学习算法的好坏 ？对于 回归问题 前面介绍过 MSE、MAE、RMSE、R_squared 等指标，而对于 分类问题 上篇介绍分类算法 逻辑回归 以及最早介绍的 KN

Logistic Regression kaggle 在 2017 年发布了一篇名为” The State of Data Science and Machine Learning “的报告，报告里面有这样一个问题： 1

Model Generalization 验证数据集与交叉验证 上篇通过过拟合和欠拟合的概念明白了为什么要做 train-test-split 。但这样其实也 有一个问题 就是 模型会针对特定测试数据集过拟合 .我们在想

Polynomial Regression 什么是多项式回归 前面介绍的线性回归法有一个很大的局限性即要求 数据背后是存在线性关系 的，但实际中具有很 强线性关系假设 的数据集 很少 ，更多的数据之间是 非线性的关系 。

PCA 上一篇详细介绍了梯度下降法，梯度下降法主要是寻找目标函数最优解的一种方式。这次介绍一下另外一个梯度寻找的应用— Principal Component Analysis(PCA) . PCA 是很有名的一种算法，

Gradient Descent 梯度下降法 跟前面文章中提到的 KNN 算法和 线性回归 算法不同，梯度下降法本身不是一个机器学习算法，它既不是在做监督学习也不是在做非监督学习，它不能用于解决回归问题或者分类问题。它是

Linear Regression 上篇文章中介绍了评价回归算法优劣的三个指标 MSE、RMSE、MAE ，但是这三个指标 还有它本身的问题 。回想分类问题中评价指标采用分类准确度：1最好，0最差。即使 分类问题不同 ，