1、准确率(Accuracy)定义：公式：优缺点：2、精确率(Precision)3、召回率(Recall)4、命中率(Hits Ratio)5、平均精度均值(Mean average precision)6、平均倒数排名(Mean Reciprocal Rank)7、归一化折损累计增益(Normalized Discounted Cumulative Gain)...

1、准确率(Accuracy)定义：公式：优缺点：2、精确率(Precision)3、召回率(Recall)4、命中率(Hits Ratio)5、平均精度均值(Mean average precision)6、平均倒数排名(Mean Reciprocal Rank)7、归一化折损累计增益(Normalized Discounted Cumulative Gain)...

本文包含数据结构与算法主要的基本知识点，便于知识的梳理和回顾。如需详细了解具体知识点请自行结合课本或者网上查阅。目录1、概述2、线性表3、栈4、队列5、串6、多维数组和广义表7、树和二叉树8、图9、查找10、排序1、概述从2、线性表3、栈4、队列5、串6、多维数组和广义表7、树和二叉树8、图9、查找10、排序...

激活函数是确定神经网络输出的数学方程式。激活函数的作用：给神经元引入了非线性因素，使得神经网络可以任意逼近任何非线性函数。1、附加到网络中的每个神经元，并根据每个神经元的输入来确定是否应激活。2、有助于将每个神经元的输出标准化到1到0或-1到1的范围内。常用非线性激活函数对比激活函数公式函数图像适合场景Softmax多分类任务输出层Sigmoid二分类任务输出层，模型隐藏层Tanh

线性回归（Linear Regression）是一种非常简单、用处非常广泛、含义也非常容易理解的一类经典的算法，非常合适作为机器学习的入门算法。线性回归就是拟合出一个线性组合关系的函数。要找一条直线，并且让这条直线尽可能地拟合所有数据点。即：试图找到一条直线，使所有样本到直线上的欧式距离之和最小。一元线性回归（Linear Regression）拟合出一个线性组合关系的函数：y = wx+b 。拟

逻辑回归（Logistic Regression）逻辑回归：是一个非常经典的算法。是一种用于解决二分类（0 or 1）问题的机器学习方法，用于估计某种事物的可能性。注：这里用的是“可能性”，而非数学上的“概率”，logisitc回归的结果并非数学定义中的概率值，不可以直接当做概率值来用。该结果往往用于和其他特征值加权求和，而非直接相乘。逻辑回归与线性回归逻辑回归（Logistic Regressi

kNN（k-Nearest Neighbors，k近邻）是机器学习中非常基础的一种算法，算法原理简单而且容易实现，结果精度高，无需估计参数，无需训练模型，而且不仅可以用于分类任务，还可以应用到回归问题。作为开始学习机器学习的入门是一个很好的选择。俗话说：近朱者赤，近墨者黑，物以类聚，人以群分。KNN算法就是这样。它使相同类别的样本在特征空间中聚集在一起。分类时一般采用多数表决投票法，即训练集里和预

线性回归（Linear Regression）是一种非常简单、用处非常广泛、含义也非常容易理解的一类经典的算法，非常合适作为机器学习的入门算法。线性回归就是拟合出一个线性组合关系的函数。要找一条直线，并且让这条直线尽可能地拟合所有数据点。即：试图找到一条直线，使所有样本到直线上的欧式距离之和最小。一元线性回归（Linear Regression）拟合出一个线性组合关系的函数：y = wx+b 。拟

激活函数是确定神经网络输出的数学方程式。激活函数的作用：给神经元引入了非线性因素，使得神经网络可以任意逼近任何非线性函数。1、附加到网络中的每个神经元，并根据每个神经元的输入来确定是否应激活。2、有助于将每个神经元的输出标准化到1到0或-1到1的范围内。常用非线性激活函数对比激活函数公式函数图像适合场景Softmax多分类任务输出层Sigmoid二分类任务输出层，模型隐藏层Tanh

线性回归（Linear Regression）是一种非常简单、用处非常广泛、含义也非常容易理解的一类经典的算法，非常合适作为机器学习的入门算法。线性回归就是拟合出一个线性组合关系的函数。要找一条直线，并且让这条直线尽可能地拟合所有数据点。即：试图找到一条直线，使所有样本到直线上的欧式距离之和最小。一元线性回归（Linear Regression）拟合出一个线性组合关系的函数：y = wx+b 。拟