以id3演算法為代表
特徵為幹，類別為葉
以乾為據，劃樣入葉
以kmeans演算法為代表
隨機選聚類中心--->
計算所有樣本點到每個聚類中心的距離，進行組別初步劃分--->
計算組內各樣本點到本組聚類中心距離均值，得出聚類中心在本組的最佳位置--->
再次計算所有樣本點到各聚類中心距離，判斷是否需要重新劃分組別，如果需要則重新劃分，再次計算聚類中心在新組內最佳位置，如果不需要，則結束演算法，終極版聚類中心形成
這裡的關鍵在於選k
我們根據肘部法選k，也就是說我們**k的多個可能值，然後分別計算以這些值為k時的wssse，然後選擇變化率最大的那個
wssse：該方法是集中平方誤差和指標，它通過對計算資料集裡所有的點到簇中心點的距離的平方和來衡量聚類的效果
《機器學習》邏輯回歸演算法理解
自己寫了邏輯回歸的 之後，對邏輯回歸的本質有了一點感覺，在我看來，邏輯回歸本質就是用來求乙個線性函式 f，這個f可以把一些資料點分成兩類，而h 1 1 e z 實際就是乙個中間函式。下面描述演算法的框架 按理說有了f x w0 w1 x，以及資料點，就可以根據平方損失函式sum y f x 2求解引...
機器學習 支援向量機SVM演算法理解
svm演算法理解 svm support vector machines 可翻譯為支援向量機，是基於支援向量來訓練乙個模型，得到模型後，能夠根據訓練好的模型來進行新輸入向量的類別 因為深度學習中 影象處理 的神經網路最後輸出時會將影象資料的特徵作為乙個1 n的向量進行輸出，所以可以使用svm進行分類...
A 演算法理解
廣度優先 bfs 和深度優先 dfs 搜尋 深度優先搜尋，用俗話說就是不見棺材不回頭。演算法會朝乙個方向進發，直到遇到邊界或者障礙物，才回溯。一般在實現的時候，我們採用遞迴的方式來進行，也可以採用模擬壓棧的方式來實現。如下圖，s代表起點，e代表終點。我們如果按照右 下 左 上這樣的擴充套件順序的話，...