十一、随机森林算法 1，基本介绍 （1）集成学习方法（Ensemble Method），或称集成学习算法。它并非一种机器学习算法，更像是一种模型优化方法。简单来说就是通过训练若干个个体弱学习器（weak learner），通过一定的结合策略，就可以最终形成一个强学习器......
十、神经网络分类算法 1，基本介绍 （1）神经网络算法是目前最知名、应用最为广泛的机器学习算法，而深度学习的本质就是神经网络算法（深度学习是神经网络算法的一个分支）。 （2）神经网络算法是一种具有网络结构的算法模型，这决定了它具有非常好的延展性......
九、K-means 聚类算法 1，基本介绍 （1）K-means 算法是一种无监督的聚类算法，它实现起来比较简单，聚类效果也不错，因此应用很广泛。 有监督学习与无监督学习区别： 有监督学习：有监督学习主要对有标签的数据集（即有“参考答案”）去构建机器学习模型......
九月头条：Julia 离榜单前 20 名的位置仅差一步之遥 在 9 月榜单中，有一种语言的增速引人注目，它就是广泛应用在数值分析和计算科学设计领域的 Julia 编程语言。它距离 Top 20 之位只差毫厘，仅有 0.05% 的差距。其实放眼数据分析领域，Julia 面临着诸多强劲的对手......
八、SVM 分类算法 1，基本介绍 （1）支持向量机，英文全称“Support Vector Machines”（简称 SVM），它是机器学习中最常用的一种“分类算法”。在深度学习没有普及之前，“支持向量机”可以称的上是传统机器学习中的“霸主”。 （2）建立一个最优决策超平面......
七、决策树分类算法 1，基本介绍 （1）决策树（Decision Tree）又称为判定树，是一种典型的分类方法，它是一种以树结构（包括二叉树和多叉树）形式来表达的预测分析模型。 （2）决策树算法一种基于 if-then-else 规则的有监督学习算法。它首先对数据进行处理......
六、朴素贝叶斯算法 1，基本介绍 （1）贝叶斯方法是以贝叶斯原理为基础，使用概率统计的知识对样本数据集进行分类。由于其有着坚实的数学基础，因此贝叶斯分类算法的误判率是很低的。 贝叶斯方法的特点是结合先验概率和后验概率，即避免了只使用先验概率的主观偏见......
五、KNN 最邻近分类算法 1，什么是 KNN 算法？ （1）K 最近邻分类算法，简称 KNN（K-Nearest-Neighbor），它是有监督学习算法的一种。该算法的思路就是如果一个未知样本最近的 K 个样本中的大多数属于某一个类别，则该样本也属于这个类别......
四、Logistic 回归算法 1，什么是 Logistic 回归？ （1）Logistic 回归算法，又叫做逻辑回归算法，或者 LR 算法（Logistic Regression）。虽然它被称为回归，但其实际上是分类模型，并常用于二分类。 （2）逻辑回归的与线性回归一样，也是以线性函数为基础的......
Scikit-learn 涵盖了常用的机器学习算法，并且这些算法它都做了良好的 API 封装，可以直接调用。本文通过样例介绍第一个机器学习算法：线性回归算法（Linear Regression），它是机器学习算法中较为简单，且容易理解的算法模型。 三、线性回归算法的应用......