学习

1.什么是集成学习？如果你随机向几千个人询问一个复杂问题，然后汇总它们的答案。在许多情况下你会发现，这个汇总的回答比专家的答案还要好，这被称为集体智慧，同样，如果你聚合一组预测器的预测，得到的预测

  本文主要是学习笔记，一方面是为了加强理解，感觉在做笔记过程中理解起来更简单，另一方面为了加强记忆，建立大脑关于‘隐马尔可夫模型’的神经网络1.模型场景在介绍隐马尔可夫模型

1.LDA描述线性判别分析(LinearDiscriminantAnalysis,LDA)是一种有监督学习算法，同时经常被用来对数据进行降维，它是RonaldDisher在1936年发明的，

1.主成分基本思想主成分基本思想：在主成分分析中，首先对给定数据进行规范化，使得数据每一个变量的平均值维0，方差为1，之后对数据进行正交变换，原来由线性相关变量表示的数据，通过正交变换变成由若干个

1.场景描述问题:如何对对下图的线性可分数据集和线性不可分数据集进行分类？思路:(1)对线性可分数据集找到最优分割超平面(2)将线性不可分数据集通过某种方法转换为线性可分数据集下面将带着这

1.场景描述时间：早上八点，地点：婚介所‘闺女，我有给你找了个合适的对象，今天要不要见一面？’‘多大？’‘26岁’‘长的帅吗？’‘还可以，不算太帅’‘工资高吗？’‘略高于平均水平’

'没有测量，就没有科学'这是科学家门捷列夫的名言。在计算机科学特别是机器学习领域中，对模型的评估同样至关重要，只有选择与问题相匹配的评估方法，才能快速地发现模型选择或训练过程中出现的问

在sklearn之数据分析中总结了数据分析常用方法，接下来对数据预处理进行总结当我们拿到数据集后一般需要进行以下步骤：(1)明确有数据集有多少特征，哪些是连续的，哪些是类别的(2)检查有没有缺失

熟话说,'巧妇难为无米之炊'，数据和特征就是'米'，模型和算法则是'巧妇'，没有充足的数据、合适的特征，再强大的模型结构也无法得到满意的输出，为了更好的

K均值聚类思想  聚类的核心概念是相似度或距离，有很多相似度或距离的方法，比如欧式距离、马氏距离、相关系数、余弦定理、层次聚类和K均值聚类等  K均值聚类的