原项目这一天的任务：学习不同类型的朴素贝叶斯分类器同时开始Bloomberg的课程（https://bloomberg.github.io/foml/#home）。课程列表中的第一个是黑盒机器学习。它给出了预测函数，特征提取，学习算法，性能评估，交叉验证，样本偏差，非平稳性，过度拟合和超参数调整的整体观点。一、朴素...(more)

1.导入库和数据importnumpyasnpimportmatplotlib.pyplotaspltimportpandasaspddataset=pd.read_csv('Social_Network_Ads.csv')X=dataset.iloc[:,[2,3]].valuesy=dataset.iloc[:,4].values拆分数据集为训练集合和测试集合fromsklearn.model_selectionimporttrain_test_sp...(more)

第一步：导入相关库123importnumpyasnpimportmatplotlib.pyplotaspltimportpandasaspd第二步：导入数据集dataset=pd.read_csv('../datasets/Social_Network_Ads.csv')为了方便理解，这里我们只取Age年龄和EstimatedSalary估计工资作为特征12X=dataset.iloc[:,[2,3]].valuesy=d...(more)

“支持向量机“中的支持向量下图中两条虚线上的点，就是支持向量核函数核函数（Kerneltrick），这一概念经常与SVM搭配出现，但并非SVM特有。在一个空间中，模型是非线性可分的，需要把数据映射到另一个空间，线性可分。此时需要借助核函数。参考：机器学习之核函数https://blog.csdn.net/c...(more)

SVM简介支持向量机（supportvectormachines,SVM）是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；SVM还包括核技巧，这使它成为实质上的非线性分类器。SVM的的学习策略就是间隔最大化，可形式化为一个求解凸二次规划的问题，也等价...(more)

逻辑回归模型示意图：输入：x1、x2和x3权重：theta1、theta2和theta3输出：快乐、悲伤二十世纪早期，逻辑回归应用在生物科学。后来应用在社会科学的多个方面。逻辑回归被用来解决分类问题。例如：（1）预测一封邮件是否为垃圾邮件（2）预测肿瘤是否为恶性的为什么我们需要逻辑回归？假设这样一...(more)

K—近邻分类算法(KNN)KNN是什么？K—近邻算法（简称KNN）是一种虽然简单但很常用的分类算法，也可用于回归分析。KNN是非参数的（它不对底层数据分布做出任何假设），基于实例（我们的算法不会明确建立学习模型，相反，它选择记住训练实例）并使用在监督学习环境中。KNN如何工作？KNN用于分类——...(more)

什么是逻辑回归逻辑回归用于解决分类问题。这里的目的是预测被观察的当前对象所属的分类。它会给出0到1之间的离散二元结果。一个简单的例子就是一个人是否会在即将举行的选举中投票。如何工作逻辑回归计算非独立变量（我们想要预测的分类标签）与一个或多个独立变量（特征）之间...(more)

多重线性回归多重线性回归试图在两个或更多特征与结果之间建立线性模型以拟合数据。多重线性回归的步骤与简单线性回归非常相似，区别在于评测过程。你可以用它发现对预测结果影响最大的特征及各个不同变量之间的关联。前提对一个成功的回归分析来说，以下前提非常重要：线性，在...(more)

线性回归算法的作用是使用单一特征来预测响应值。是一种根据自变量X预测因变量Y的方法。假设两个变量是线性相关的，那么我们要找到一个线性函数，根据特征或自变量X来精确预测响应值Y。如何找到最佳拟合线在这个回归模型中，我们尝试通过寻找最佳拟合线来最小化预测的误差——...(more)