机器学习，表面上是“写程序”，但去掉外表，本质上是在研究数学。 举个例子，比我我们小学就学到的余数，其实在编程的世界里有很多应用。你经常用到的分...

朴素贝叶斯（Naive Bayes）是一种既简单又强大的预测建模算法。 该模型由两种类型的概率组成，可以从你的训练数据中直接计算出来： 每个类别...

决策树是机器学习中用于预测建模的一种重要的算法类型。 决策树模型的表现形式是二叉树。实际上，它就是算法和数据结构中的二叉树，没什么太花哨的。 每...

逻辑回归是一种传统的分类算法，仅限于两类分类问题。 如果你有两个以上的类，那么线性判别分析算法是首选的线性分类技术。 线性判别分析法简称LDA，...

逻辑回归是机器学习从统计领域借用的又一项技术。它是二元分类问题（即只有两种类型的分类问题）的首选方法。 逻辑回归和线性回归的类似之处在于，其目标...

线性回归可能是统计学和机器学习中最知名且易于理解的算法之一。 它不就是一项起源于统计学的技术吗？ 预测建模主要关注的是让模型的误差最小化，或者说...

经由偏差 - 方差的权衡，我们可以更好地理解机器学习算法。 偏差（bias）是模型所做的简化假设，其目的是更容易地学习目标函数。 通常，参数算法...

什么是参数机器学习算法？它与非参数机器学习算法有何不同？ “假设”通常会大大简化学习过程，但也会限制学到的东西。将函数简化为已知形式的算法，称为...

机器学习中的监督学习算法，常常用于预测建模。这些算法有一个共通的原则。 人们一般这样来描述机器学习算法：学习一个目标函数（f），能够最好地将输入...