算法总结

转自丨 公众号Datawhale作者丨张峰本文将介绍机器学习算法中非常重要的知识—分类（classification），即找一个函数判断输入数据所属的类别，可以是二类别问题（是/不是），也可以是多类别问题（在多个类别中判断输入数据具体属于哪一个类别）。与回归问题（regression）相比，分类问题的输出不再是连续值，

雷锋网 AI 研习社按，近日，谷歌在苏黎世办事处举办了一场有关算法与优化的专题讲座，旨在通过提供一个论坛来交流机器学习理论和大规模图挖掘领域的想法。该论坛涉及到市场算法、机器学习理论、大规模图挖掘、隐私与公平、略图构造、哈希和动态算法这五个方向。在讲座结束之后，Google 苏黎世办事处研究员 Silvio Latta

雷锋网按：本文译自Google blog，作者：Lily Peng（Google医学影像产品经理）当前，心脏病、中风和其他心血管疾病仍旧是棘手的公共卫生难题。而评估疾病风险则是后期降低患者患心血管疾病可能性的关键步骤。为做好这一步，医生们将众多风险因素纳入评估范围，其中包含：遗传（年龄和性别），生活方式（吸烟和血压）。

作者：ZhuZhiboSmith现如今，许多公司使用大数据来做超级相关推荐，并以此来增加收益。在海量推荐算法中，数据科学家需要根据商业限制以及需求来选择最佳算法。为使其简单化，Statsbot 团队为现有的主要推荐系统算法准备了一份概述。协同过滤协同过滤（CF）及其变式是最常用的推荐算法之一。即使是数据科学的初学者，也

作者：姚凯飞1.决策树:判别模型，多分类与回归，正则化的极大似然估计特点：适用于小数据集优点：计算量简单，可解释性强，比较适合处理有缺失属性值的样本，能够处理不相关的特征;缺点：容易过拟合(后续出现了随机森林，减小了过拟合现象),使用剪枝来避免过拟合;适用数据范围：数值型和标称型CART分类与回归树:决策树分类方法，采

作者：姚凯飞1.决策树:判别模型，多分类与回归，正则化的极大似然估计特点：适用于小数据集优点：计算量简单，可解释性强，比较适合处理有缺失属性值的样本，能够处理不相关的特征;缺点：容易过拟合(后续出现了随机森林，减小了过拟合现象),使用剪枝来避免过拟合;适用数据范围：数值型和标称型CART分类与回归树:决策树分类方法，采

1. Bloom Filter【Bloom Filter】Bloom Filter（BF）是一种空间效率很高的随机数据结构，它利用位数组很简洁地表示一个集合，并能判断一个元素是否属于这个集合。它是一个判断元素是否存在集合的快速的概率算法。Bloom Filter有可能会出现错误判断，但不会漏掉判断。也就是Bloom F

导语：关联算法是数据挖掘中的一类重要算法。1993年,R.Agrawal等人首次提出了挖掘顾客交易数据中项目集间的关联规则问题，其核心是基于两阶段频繁集思想的递推算法。该关联规则在分类上属于单维、单层及布尔关联规则，典型的算法是Apriori算法。Apriori算法将发现关联规则的过程分为两个步骤：第一步通过迭代，检索

【文章摘要】苹果应用商店搜索算法变得更智能了，搜索结果变得更相关了，结果扩展了不少。据观察到的日期，自2015年11月3日*起，苹果应用商店新的搜索算法上线了。随后一段时间，很多ASOer及开发者发现，自己的应用匹配了更多的关键字，从数十到数百不等。就算应用标题和应用关键字栏未设置的关键字，都可以匹配搜索到。苹果应用商

作者：tombaby决策树分类算法决策树归纳是经典的分类算法。它采用自顶向下递归的各个击破方式构造决策树。树的每一个结点上使用信息增益度量选择测试属性。可以从生成的决策树中提取规则. 相关： 基于 R 语言和 SPSS 的决策树算法介绍及应用机器学习中的算法——决策树模型组合之随机森林与GBDTKNN法