线性模型:

离散转为连续的变换:

检查是否有“序”的变化，若有“序”，则连续化；否则，转化为k维向量

最小二乘解:

多元线性回归:

广义线性模型:

线性判别分析:

由于将样例投影到一条直线(低维空间)，因此也被视为一种"监督降维"技术。

多分类学习:

拆解法:将一个多分类任务拆分为若干个二分类任务求解

类别不平衡:

当要丢掉的小类的价值更好时我们才需要处理

常见的类别不平衡学习方法:

过采样:使小类增加，增加到与大类一样多

欠采样:使大类变小，使得与小类一样多

阙值移动:少数算法才能做到，比如支持向量机

决策树:

策略:“分而治之”；自根至叶的递归过程；在每个中间结点寻找一个“划分”属性

三种停止条件:

1.当前结点包含的样本全属于同一类别，无需划分

2.当前属性集为空，或是所有样本在所有属性上取值相同，无法划分

3.当前结点包含的样本集合为空，不能划分

信息增益划分:

信息熵是度量样本集合“纯度”是常用的一种指标

其他属性划分准则:

信息增益:对可取值数目较多的属性有所偏好

增益率:

基尼指数:

决策树剪枝:

剪枝是决策树对付“过拟合”的主要手段。

预剪枝:提前终止某些分支的生长。

后剪枝:生成一颗完全树，再“回头”剪枝。

缺失值的处理:

使用带缺失值的样例，需处理:

Q1：如何进行划分属性选择

Q2：给定划分属性，若样本在该属性上的值缺失，如何进行划分

基本思路:样本赋权，权重划分