Michael Hsu

机器学习用到了统计学知识 机器学习就是把无序的数据转换成有用的信息 如何从数据集中选取特征？ 通常的做法是测量所有可测属性，而后再挑出重要部分。 机器学习的主要任务就是分类。为了测试机器学习算法的效果，通常使用两套独立的样本集，训练数据和测试数据。当机器学习程序开始运行时，使用训练样本集作为算法的输入，训练完成后输入测试样本。输入测试样本时并不提供测试样本的目标变量，由程序决定样本属于那个类...

Hadoop的核心主要包括两部分：分布式文件系统（HDFS）和MapReduce。其中HDFS解决的是数据存储问题，而MapReduce针对的则是数据处理、分析等。

numpy中的tile函数网上讲解的有很多，但大概都是一带而过，这里参照官方文档进行一下说明。 def tile(A, reps): “”” Construct an array by repeating A the number of times given by reps. If reps has length d, the result wi...

处理数据缺失值的常见做法： 使用可用特征的均值来填补缺失值 使用特殊值来填补缺失值，如-1 忽略有缺失值的样本 使用相似样本的均值填补缺失值 使用机器学习算法预测缺失值 ...

一、简介 SVM被有的人认为是目前最好的现成（现成是指分类器不加修改即可直接使用）的算法之一，这意味着在数据上应用基本形式的SVM分类器就可以得到低错误率的结果。SVM能对训练集之外的数据点做出很好的分类决策。 二、概念解释 分隔超平面：即分类的决策边界，分布在超平面一侧的所有数据都属于某个类别，而分布在另一侧的所有数据则属于另一个类别。 构建分类器：数据点离决策边界越远，那么其最后的...

元算法将不同的分类器组合起来，具体使用有多种形式，可以是不同算法的集成，也可以是不同算法在不同设置下的集成，还可以是数据集不同部分分配给不同分类器之后的集成。 一、bagging:基于数据随机重抽样的分类器构建算法 自举汇聚法（bootstrap aggregating）,也称为bagging方法，是在从原始数据集选择S次后得到S个新数据集的一种技术。新书记集和原始数据集大小相等。每个数据集都...