本篇文章将会讲解CART算法的实现和树的剪枝方法，通过测试不同的数据集，学习CART算法和树剪枝技术。
机器学习
机器学习
机器学习
机器学习实战教程（十二）：线性回归提高篇之乐高玩具套件二手价预测
本篇文章讲解线性回归的缩减方法，岭回归以及逐步线性回归，同时熟悉sklearn的岭回归使用方法，对乐高玩具套件的二手价格做出预测。
机器学习
机器学习实战教程（十一）：线性回归基础篇之预测鲍鱼年龄
前面的文章介绍了很多分类算法，分类的目标变量是标称型数据，而本文将会对连续型的数据做出预测。主要讲解简单的线性回归和局部加权线性回归，并通过预测鲍鱼年龄的实例进行实战演练。
机器学习
机器学习实战教程（十）：提升分类器性能利器-AdaBoost
前面的文章已经介绍了五种不同的分类器，它们各有优缺点。我们可以很自然地将不同的分类器组合起来，而这种组合结果则被成为集成方法(ensemble method)或者元算法(meta-...
机器学习
机器学习实战教程（九）：支持向量机实战篇之再撕非线性SVM
上篇文章讲解的是线性SVM的推导过程以及简化版SMO算法的代码实现。本篇文章将讲解SMO算法的优化方法以及非线性SVM。
机器学习
机器学习实战教程（八）：支持向量机原理篇之手撕线性SVM
本篇文章参考了诸多大牛的文章写成的，对于什么是SVM做出了生动的阐述，同时也进行了线性SVM的理论推导，以及最后的编程实践，公式较多，还需静下心来一点一点推导。
机器学习
机器学习实战教程（七）：Logistic回归实战篇之预测病马死亡率
本文对梯度上升算法和改进的随机梯度上升算法进行了对比，总结了各自的优缺点，并对sklearn.linear_model.LogisticRegression进行了详细介绍。
机器学习
机器学习实战教程（六）：Logistic回归基础篇之梯度上升算法
本文从Logistic回归的原理开始讲起，补充了书上省略的数学推导。本文可能会略显枯燥，理论居多，Sklearn实战内容会放在下一篇文章。自己慢慢推导完公式，还是蛮开心的一件事。
机器学习
机器学习实战教程（五）：朴素贝叶斯实战篇之新浪新闻分类
上篇文章机器学习实战教程（四）：朴素贝叶斯基础篇之言论过滤器讲解了朴素贝叶斯的基础知识。本篇文章将在此基础上进行扩展，你将看到以下内容：拉普拉斯平滑、垃圾邮件过滤(Python3)...
机器学习
机器学习实战教程（四）：朴素贝叶斯基础篇之言论过滤器
朴素贝叶斯算法是有监督的学习算法，解决的是分类问题，如客户是否流失、是否值得投资、信用等级评定等多分类问题。该算法的优点在于简单易懂、学习效率高、在某些领域的分类问题中能够与决策树...
