集成算法（Emseble Learning） 是构建多个学习器，然后通过一定策略结合把它们来完成学习任务的，常常可以获得比单一学习显著优越的学习器。

我们在生活中做出的许多决定都是基于其他人的意见，而通常情况下由一群人做出的决策比由该群体中的任何一个成员做出的决策会产生更好的结果，这被称为群体的智慧。集成学习（Ensemble Learning）类似于这种思想，集成学习结合...

前面一篇文章主要解释了集成学习算法中Boosting一类的典型代表adaboost的数学原理，在集成学习中还有一种模型是Bagging，它和Boosting算法的主要区别在于每个基学习器是否有依赖拓扑关系，Boosting是不断修正前一个基学习...

文章目录决策树 decision tree 原理 极大似然决策树修剪 剪枝类型实例总结决策树 decision tree属于监督学习算法,可以用于分类和回归问题适合离散数据的分析:连续转化为离散数据发展历程:ID3(离散变量的分类问题)->C...

在一些支持并行或大数据量或不断增量更新数据的场景比如垃圾邮件的分类，文本有害识别，异常信号的捕捉等，贝叶斯算法都应用的非常普遍，它有较多的优良特性，且本身支持多分类的任务，所以也是分类算法领域较为基础和重要的一个...

在机器学习领域中有这样一类算法，它核心思想并不是非常复杂的数学公式而是简单的逻辑if-then分支，这也就造成了它较为容易理解但又不那么容易理解透的特性，它和它的一些tricks是一些大厂必问必推的重点，也是后续像随机森...

K-Nearest Neighbors (KNN) 是一种懒惰学习算法和分类算法。此外，KNN是机器学习中最简单的方法。利用KNN进行分类，预测新点的分类。

作者：许敏系列推荐机器学习概念总结笔记（一）机器学习概念总结笔记（二）机器学习概念总结笔记（四）12）分类决策树C4.5C4.5算法继承了ID3算法的优点，并在以下几方面对ID3算法进...

作者：许敏机器学习概念总结笔记（一）机器学习概念总结笔记（三）机器学习概念总结笔记（四）8）逻辑回归logistic回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据...

本文介绍了使用机器学习算法对数据集进行分类，并使用随机森林算法进行预测。通过对比不同算法的效果，最终选择随机森林算法作为最优分类器。同时，文章还探讨了特征选择和特征重要性分析，并使用特征重要性作为分类器选择的...