Machine Learning

白天 夜间 首页 下载 阅读记录
  我的书签   添加书签   移除书签

运筹学

浏览 81 扫码 分享 2022-07-09 00:49:09
  • 图论

若有收获，就点个赞吧

0 人点赞

上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • 写在开头
  • 统计学
    • 随机变量及其分布
    • 随机变量数字特征
    • 大数定律及中心极限定理
    • 样本及抽样分布
    • 参数估计
    • 假设检验
    • 方差分析
  • 线性代数
    • MIT 线性代数
      • Lecture 1-3
      • Lecture 4-8
      • Lecture 9-10
      • Lecture 11
    • 丘维声高等代数
      • 1 线性方程组和线性空间
      • 2 子空间，基和维数
      • 3 子空间的交，和与直和
  • 运筹学
    • 图论
  • 机器学习
    • 机器学习数据处理
      • Data Types
      • Data Exploration
      • Feature Cleaning
        • 异常值检测
      • Feature Imputation
        • 缺省数据
      • Feaure Engineering
      • Feature Selection
        • 特征选择
      • Feature Encoding
      • Feature Scaling
      • Dataset Construction
    • 机器学习概念
      • Motivation
      • Performance Analysis
      • Tuning
        • 交叉验证
        • 超参数优化
        • 过拟合与欠拟合
      • Types
    • 机器学习过程
    • 机器学习数学知识
      • Linear Algebra
      • Statistics
      • Optimization
      • Regularization
      • Cost/Lost(Min) or Objective(Max) Functions
      • Probability
      • Distributions
      • Information Theory
      • Density Estimation
    • 机器学习模型
  • 集成学习
    • Bagging Boosting Stacking
    • 集成策略
    • 集成学习中的偏差和方差
    • Random Forest
    • AdaBoost
    • 前向分步算法
    • Gradient Boosting
    • GBDT与XGBoost
    • LightGBM
    • Stacking
  • 库
    • Libraries
    • Sci-kit learn
      • 决策树
      • 随机森林
      • Ensemble practice
  • Stanford CS229
    • 0 说明
    • 1 线性回归
    • 2 分类和逻辑回归
    • 3 广义线性模型
    • 4 生成学习算法
    • 5 支持向量机
    • 6 学习理论
    • 7 正则化与模型选择
    • 8 感知器和大型边界分类器
    • 9 k-均值聚类算法
    • 10 混合高斯和期望最大化算法
    • 11 因子分析
    • 12 主成分分析
    • 13 独立成分分析
    • 14 强化学习和控制
    • 15 强化学习算法
  • 百面机器学习
    • A/B 测试
  • Kaggle
    • Public test and private test
暂无相关搜索结果！

    让时间为你证明

    展开/收起文章目录

    分享，让知识传承更久远

    文章二维码

    手机扫一扫，轻松掌上读

    文档下载

    请下载您需要的格式的文档，随时随地，享受汲取知识的乐趣！
    PDF文档 EPUB文档 MOBI文档

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度
        思维导图备注