Adaboost Boosting 指的是通过结合一些精度较低的弱学习器来获得较高精度的方法，弱学习器指的是表现比...[作者空间]

整理了一下文章的连接，方便自己看。 机器学习系列 机器学习的概率论基础[https://www.jianshu.c...[作者空间]

机器学习中常见的概率论定义以及概率密度估计。 1. 定义 随机变量（random variable：随机取值的变量...[作者空间]

判别分析方法是对后验概率进行估计的判别模型方法。如果样本属于某个类的条件概率密度符合高斯分布，对于贝叶斯分类器[h...[作者空间]

1. 后验概率与logistic函数 在贝叶斯分类中提到过后验概率，直接对后验概率建模的计算判别模型。 对于一个二...[作者空间]

1. 贝叶斯准则 首先介绍一下基本概念（概率论基础就不多了）： ：d维特征向量 ：分类编号，对于二分类问题就是{0...[作者空间]

一、简介 支持向量机(Support Vector Machine， SVM) 是一种分类器，它会产生一个二值的决...[作者空间]

集成方法将多个分类器组合在一起，产生比单个分类器更好的预测性能。集成模型的主要原理是，一组较弱的学习器聚集在一起形...[作者空间]

一些常见的机器学习面试题（不定时更新）。 激活函数的作用？激活函数为神经网络提供了非线性。如果不使用激活函数，每一...[作者空间]

给定一堆数据点，根据算法把他们分成几组，让每个组内的点都有相似的特性，这种方法就叫聚类。理论上来说，能分成一组的都...[作者空间]

一、概率密度估计 概率密度估计，简单说就是从离散的数据中估计出连续的概率密度函数。这里的离散数据即收集到的样本，它...[作者空间]