DBSCAN（Density-Based Spatial Clustering of Applications with Noise，具有噪声的基于密度的聚类方法）是一种很典型的密度聚类算法，和只适用于凸样本集的K-Means聚类相比，DBSCAN既可以适用于凸样本集，...

聚类分析（英语：Cluster analysis）亦称为群集分析，是对于统计数据分析的一门技术，在许多领域受到广泛应用，包括机器学习，数据挖掘，模式识别，图像分析以及生物信息，顾客分类，文章分类等。聚类是把相...

一、什么是中心极限定理 在适当的条件下，大量相互独立随机变量的均值经适当标准化后依分布收敛于正态分布。每次从这些总体中随机抽取 n 个抽样，一共抽 m 次。 然后把这 m 组抽样分别求出平均值， 这些平均值的...

大量的特征变量，很多的模型，模型也有很多参数，如何选择合适的特征、合适的模型和合适的模型参数，这对建模是很重要的，但也是很困难的。并且选择最优的方案，方法也是很多的，这里将其中一种方法尽量描述...

决策树是各种机器学习任务的常用方法。 决策树是比较能满足于数据挖掘的方法，因为它在特征值的缩放和其他各种转换下保持不变，对无关特征是可靠的，而且能生成可被检查的模型。 然而，生长很深的树容易学习...

一、什么是决策树 决策树算法，人如其名，结构就像一棵树，有分叉的枝丫和树叶。枝丫的分叉处是关于目标某一个特征的判断，枝丫本体则是关于该特征的判断结果，而叶子则是判断过后产生的决策结果。 上图...

k近邻算法（KNN）是监督学习算法，意味着训练数据集需要有label或者类别，KNN的目标是把没有标签的数据点（样本）自动打上标签或者预测所属类别。同时KNN也可用于回归。 KNN的主要实现过程： 计算训练...

在生产型企业中，一定有一个BOM（物料清单），整个供应过程和BOM紧密结合，BOM的每一个物料的供应周期都影响整个供应链的供应周期。目前没有一种快速的、有效的、并且可视化的成品总供应周期的分析方法。 ...

回归要拟合或者预测的因变量是一个连续变量，而分类要拟合或者预测的因变量是一个离线变量。如通过一系列的特征（收入、工作年限、公司规模、是否有房、是否有车、是否有贷款）来预测一个信用卡申请人是否可以发...

预测型数据分析有很多很多种分析的类型，回归、分类和聚类是预测型数据分析的几种主要的类型。 回归和分类属于监督型学习，回归分析在于了解两个或多个变量间是否相关、相关方向与强度，并建立数学模...