日前，通俗易懂的推导了三种集成学习的原理及主要公式，今天本文基于Python从0开始手动实现一个Adaboost分类器，文中提供完整代码。
决策树是基于树结构来进行决策的，这是一种人在决策时自然的处理机制，即进行决策时，会进行一系列的“子决策”，每个决策过程中进行的判断，都是在上次决策结果的限定范围内，每个决策都只考虑在当前的判断，经过这些子决策，得到最...
原文链接：http://tecdat.cn/?p=2784 之前在某社区中看到一篇帖子《一张价值几十万个跌停的统计表》，主要是预测即将被ST的股票，虽然有些标题党，但是还有有一些参考价值的。文章中使...
决策树是一种用于监督学习的算法。它使用树结构，其中包含两种类型的节点：决策节点和叶节点。决策节点通过在要素上询问布尔值将数据分为两个分支。叶节点代表一个类。训练过程是关于在具有特定特征的特定特征中找到“最...
有一个房间，里面有 100 个人，每个人有 100 元。每过一会，每个有钱的人给随机的其他人 1 元，经过一段时间后，房间内的资金分配情况是怎样？
在PySpark中包含了两种机器学习相关的包：MLlib和ML，二者的主要区别在于MLlib包的操作是基于RDD的，ML包的操作是基于DataFrame的。根据之前我们叙述过的DataFrame的性能要远远好于RDD，并且MLlib已经不再被维护了，所以在本专...
决策树模型呈树状结构，是以实例为基础的归纳学习，它的每个非叶子节点存储的是用于分类的特征，其分支代表这个特征在某个值上的输出，而每个叶子节点存储的就是最终的类别信息，可以认为是if-then规则的集合。简而言之，利用决...
随机森林是一种集成算法（Ensemble Learning），它属于Bagging类型，通过组合多个弱分类器，最终结果通过投票或取均值，使得整体模型的结果具有较高的精确度和泛化性能。其可以取得不错成绩，主要归功于“随机”和“森林”，一个使它...
依据信息熵 entropy(D)=-sum_{i=1}^kp(c_i)log_2p(c_i)
