是一種線性方成的分類器。SVM透過統計的方式將雜亂的資料以NN的方式分成兩類，以便處理。LIBLINEAR is a linear classifier for data with millions of instances and features. It supports L2-regularized logistic regression (LR), L2-loss linear SVM, and L1-loss linear SVM. -Main features of LIBLINEA

突变分为如下主要的几种：均值突变（最常见）、方差突变、线性回归突变（也称趋势突变）、概率突变、空间型突变、谱突变、模型参数突变，等等。贝叶斯突变检测属于概率突变检测方法，其特点是能给出突变点的概率分布图。-Mutations are divided into the following main categories: the mean mutation (the most common), variance mutation, linear regression mutation (also

进行一元线性回归分析，分析的模型y=a+bx+e,e服从N(0,sigma平方),以及根据所建的一元线性回归模型进行预测实例-A linear regression analysis, the analysis of the model y = a+bx+e, e obey N (0, sigma squared), and built a linear regression model to predict instance

树回归：对复杂的关系建模。一般可以分为两种，一种是回归树，一种是模型树， 主要的区别在于对于叶节点的建模方式，回归树使用分段常数，模型树使用线性回归方程。 可以使用剪枝技术对于可能过拟合的树进行剪枝，剪枝一般分为预剪枝和后剪枝。 回归树和模型树都是2元树，每次总是选择最好的分割方式，分成两部分。 这个是自己写的Python语言的CART树回归程序，基本实现了其原理，注释比较多。-Tree Regression: modeling of complex relationshi

机器学习算法，树回归，CART算法，回归与模型树算法，局部加权线性回归-Machine learning algorithms, regression tree, CART algorithm, regression and model tree algorithm, locally weighted linear regression