機器學習&數據挖掘筆記（常見面試之機器學習算法思想簡單梳理）

機器學習&數據挖掘中經常使用的分類和聚類整理：面試 樸素貝葉斯：詳細能夠參考個人博文：朴樹貝葉斯算法 　　有如下幾個地方須要注意：機器學習 　　1. 若是給出的特徵向量長度可能不一樣，這是須要歸一化爲通長度的向量（這裏以文本分類爲例），好比說是句子單詞的話，則長度爲整個詞彙量的長度，對應位置是該單詞出現的次數。函數 　　2. 計算公式以下：學習  　　 　　其中一項條件機率能夠經過樸素貝葉斯條件獨

>>阅读原文<<