隨機森林RF
Randon Forest
K-means算法 （無監督算法，聚類算法） 1-1 基本流程 一、概念： K-means中心思想：事先確定常數K，常數K意味着最終的聚類類別數，首先隨機選定初始點爲質心，並通過計算每一個樣本與質心之間的相似度(這裏爲歐式距離)，將樣
降維是機器學習中很重要的一種思想。在機器學習中經常會碰到一些高維的數據集，而在高維數據情形下會出現數據樣本稀疏，距離計算等困難，這類問題是所有機器學習方法共同面臨的嚴重問題，稱之爲“ 維度災難 ”。另外在高維特徵中容易出現
1. 背景 TensorFlow是一個從離線到在線一條龍實現的機器學習庫。 一般來說，離線算法一般採用Python進行開發，並進行訓練，以及得到模型結果， 而在線部分，採用的則是C++來實現，主要考慮到在線預測要一定的性能要求。這
搜索排序一般分成粗排和精排，一般來說，粗排使用線性模型，可以快速迭代出結果。後續等有用戶行爲之後，則進行進一步的精排模型的接入， 可以進一步提升搜索排序的精準度。今天這裏主要介紹搜索排序的線性模型。 1. 背景 最近在看一本關
1. 簡介 內心一直想把自己前一段時間寫的代碼整理一下，梳理一下知識點，方便以後查看，同時也方便和大家交流。希望我的分享能幫助到一些小白用戶快速前進，也希望大家看到不足之處慷慨的指出，相互學習，快速成長。我將從三個部分介紹數據挖掘
