logistic regression:
1.由線性回歸，加上sigmoid得來
2. 線性回歸得到的是乙個值，logistic regression得到的是乙個概率
3. sigmoid函式減少了極端值的影響
4. 如果樣本不是線性回歸可處理的，那麼logistic regression效果就比較差
svm：
1.maximum margin 盡可能加大兩類之間的距離；盡可能保證分類的正確性
adaboost:
1. 整合學習中的乙個典型例子，其由若干個weak learner組成
2. 不同於random forest的同時進行， adaboost中的每乙個學習器都建立在前乙個weak learner上
3. 會加大對錯誤的權重，減少對**正確的權重
4. 最後整合所有weak learners 也不是簡單的求平均，而是帶權。
5. 其上限高，下線也低，對 outlier 非常敏感
random forest
1. 由決策樹組成
2. 每一顆樹都隨機選擇 樣本，feature
3. 回歸取平均，分類取眾數
4.pros
1. 穩定性高
2. 處理速度比普通決策樹快
3. 樹狀結構 可解釋性很高
5. cons
1. 模型起點高，天花板低，模型過於general
5分鐘內看懂機器學習和深度學習的區別
本文由liuxuewen 發表於雲 社群專欄 在本文中，我們將研究深度學習和機器學習之間的差異。我們將逐一了解它們，然後討論他們在各個方面的不同之處。除了深度學習和機器學習的比較外，我們還將研究他們未來的趨勢和走向。通常，為了實現人工智慧，我們使用機器學習。我們有幾種演算法用於機器學習。例如 fin...
5分鐘弄懂Docker
儘管之前久聞docker的大名了，但是天資愚鈍，對其到底是個啥東西一直摸不清，最近花了一段時間整理了一下，算是整理出一點頭緒來。官網的介紹是這樣的 那麼應用容器長什麼樣子呢，乙個做好的應用容器長得就好像乙個裝好了一組特定應用的虛擬機器一樣。比如我現在想用mysql那我就找個裝好mysql的容器，執行...
5分鐘搞定Schema
事先宣告 搞定不是精通，只是能夠運用！其實schema很簡單，之前寫過dtd，比dtd學習成本還低！最近做的專案基於檔案系統的，一堆的xml檔案，所以想寫個驗證，也方便ide操作，既然推薦schema，那就用schema d 不廢話，看xml檔案。ivan hihello 這個應該算是個比較典型的x...