作者： LouYu

前两篇文章主要讨论了用 SVM 解决分类问题，本文来讨论一下如何用 SVM 来解决回归问题。

回归问题的本质就是找到一根直线或者曲线，能够最大程度拟合数据点。如何定义拟合，就是不同回归算法的关键 阅读全文

上文中我们处理 SVM 都是使用线性分类的，也就是假设数据集是线性可分的。本文就着重讨论一下使用多项式特征处理非线性数据的 SVM，并且引出“核函数”的概念。 阅读全文

本文开始我们来探讨另一个著名的机器学习算法——支撑向量机(Support Vector Machine，简称 SVM)。使用支撑向量机既可以解决分类问题，也可以解决回归问题，本文就简要讨论一下 SVM 的基础理解与线性 SVM 的实现。 阅读全文

前面的文章讨论的都是用决策树解决分类问题：模型参数训练结束后，对每个“叶子”节点的样本数据进行投票，规定数量最多的样本的类型为该“叶子”的预测类型。其实用决策树解决回归问题的思路也很类似，本文就简单探讨一下，并总结决策树的局限性。 阅读全文