FP-growth算法概述 在上一章介绍了“关联分析”这种无监督学习的原理。其中提到了利用Apriori算法来发现频繁项集。本章节介绍的FP-g...

Apriori算法概述 从大规模数据集中寻找数据之间的隐含关系被称作关联分析（association analysis）或者关联规则学习（ass...

K-均值算法概述 回顾前面总结的分类和回归算法，它们都有预期的目标变量，即：“对于输入数据x能预测y”，也因此这类算法统称为监督学习算法。而无监...

树回归算法概述 上一章节介绍的线性回归包含了一些强大的方法，但这些方法创建的模型需要拟合所有的样本点（局部加权线性归回除外）。当数据拥有众多特征...

线性回归算法概述 前面的2~7章节讲解的是“分类”算法，本章开始将介绍“回归”算法。 “回归”和“分类”都属于监督学习算法，不同的是：分类的目标...

AdaBoost算法概述 当做重要决定时，大家可能都会征求多个专家而不是一个人的意见。机器学习处理问题时又何尝不是如此？这就是元算法（meta-...

Logistic回归概述 简单的说，Logistic是根据现有数据对分类边界线建立回归公式，以此进行分类（贴标签）。 优点：计算代价不高，易于理...