经典算法
- 有监督算法
- 逻辑回归
- 支持向量机SVM
- 决策树
- 朴素贝叶斯
- K近邻（KNN）
- 无监督算法
- K-means
- PCA主成分分析
- 预留模版
有监督算法
逻辑回归
简介
逻辑回归是机器学习中一种经典的分类算法，通常用于二分类任务，基本思想是构建一个线性分类器并用sigmoid函数将线性输出转换为0-1之间的概率值，通过比较概率值来判断类别。训练过程中，常采用最大似然估计的方法对模型参数进行优化。
公式：
实际上就是套着回归模型的sigmod函数
优点：简单、计算量小
支持向量机SVM
简介
算法推导
SVM是一种二分类模型，旨在特征空间上寻找间隔最大化的分离超平面的线性分类器。
- 当训练样本线性可分时，通过硬间隔最大化，学习一个线性分类器，及线性可分SVM
- 当训练样本近似可分时，引入松弛变量，通过软间隔最大化，学习一个线性分类器
- 当训练样本不可分时，通过使用核技巧及软间隔最大化，学习非线性支持向量机
详细推导
优点：分类速度快、泛化错误率低、结果易解释
缺点：对数据敏感、对核函数的选择敏感
决策树
简介
朴素贝叶斯
在给定一个事件发生的前提下，计算另外一个事件发生的概率
条件概率：P(A|B) = P(A,B) / P(B)
全概率：P(A) = 求和P(A|Bi) P(Bi)
K近邻（KNN）
无监督算法
K-means
PCA主成分分析
预留模版
SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：
| TYPE | ASCII | HTML |
|---|---|---|
| Single backticks | 'Isn't this fun?' | ‘Isn’t this fun?’ |
| Quotes | "Isn't this fun?" | “Isn’t this fun?” |
| Dashes | -- is en-dash, --- is em-dash | – is en-dash, — is em-dash |
- 计划任务
- 完成任务
