机器学习
白天
夜间
首页
下载
阅读记录
书签管理
我的书签
添加书签
移除书签
二手车预测-知识点思维导图
浏览
48
扫码
分享
2023-05-30 06:44:24
若有收获，就点个赞吧
0 人点赞
上一篇:
下一篇:
机器学习动画
机器学习动画讲解
模型调参
五大常用算法之一：贪心算法
机器学习笔记-周志华
周志华《Machine Learning》学习笔记(17)--强化学习
周志华《Machine Learning》学习笔记(16)--概率图模型
周志华《Machine Learning》学习笔记(15)--半监督学习
周志华《Machine Learning》学习笔记(14)--计算学习理论
周志华《Machine Learning》学习笔记(13)--特征选择与稀疏学习
周志华《Machine Learning》学习笔记(12)--降维与度量学习
周志华《Machine Learning》学习笔记(11)--聚类
周志华《Machine Learning》学习笔记(10)--集成学习
周志华《Machine Learning》学习笔记(9)--EM算法
周志华《Machine Learning》学习笔记(8)--贝叶斯分类器
周志华《Machine Learning》学习笔记(7)--支持向量机
周志华《Machine Learning》学习笔记(6)--神经网络
周志华《Machine Learning》学习笔记(5)--决策树
周志华《Machine Learning》学习笔记(4)--线性模型
周志华《Machine Learning》学习笔记(3)--假设检验&方差&偏差
周志华《Machine Learning》学习笔记(2)--性能度量
周志华《Machine Learning》学习笔记(1)--绪论
附录-机器学习周志华pdf
机器学习实战教程
基于缺失值与异常值的分析对Lending Club数据进行预处理
二手车预测-知识点思维导图
降维
支持向量机详解
PCA和LDA详解
降维-线性判别分析（LDA）
PCA的数学原理
机器学习中常见的损失函数
机器学习需要的数学基础
XGBOOST
XGBOOST02
XGBOOST01
机器学习笔记
第六章 支持向量机
第五章 贝叶斯算法
第四章 举类算法
第三章 决策树与集成算法
第二章 回归算法
第一章
6.支持向量机
5.贝叶斯
4.可视化1
3.可视化库
2 数据库处理分析库
1.科学计算库
零散知识点整理
numpy.random.randint用法
pandas中iloc、loc的用法和区别
如何使用drop_duplicates进行简单去重（入门篇）
pd.set_option
np.linspace用法介绍
Pandas：透视表(pivotTab)和交叉表(crossTab)
卡方值计算方法
numpy中的zeros(),ones()函数
Numpy知识点补充：np.vstack()&np.hstack()
TensorFlow模型构建之tf.keras.Sequential()
Liner Regression-线性回归
机器学习算法之Catboost
k-交叉验证KFold
Sklearn中交叉验证 KFold简要讲解
超详细Seaborn绘图 ——（三）violinplot
数据平滑处理——log1p()和exmp1()
python-Numpy学习之(一)ndim、shape、dtype、astype的用法
pandas 统计函数[corr，scatter_matrix]
python进行数据处理——pandas的drop函数
详解pandas库的pd.merge函数
Python解释数学系列——分位数Quantile
数据结构 pd.Series
pandas.get_dummies 的用法
sklearn中Preprocessing的MinMaxScaler使用demo
sklearn.preprocessing.LabelEncoder
df.transform
pd.cut()
python pandas中.isnull().any()含义
Seaborn5分钟入门(三)——boxplot和violinplot
seaborn系列 (14) | 条形图barplot()
Pandas DataFrame的基本属性详解
plt.xticks()
pd.concat() Pandas 数据的拼接
seaborn库之countplot
Seaborn-05-Pairplot多变量图
Facetgrid使用方法
Python数据处理篇之Matplotlib系列(六)---plt.hist()与plt.hist2d()直方图
numpy.log
distplot
pandas_profiling ：教你一行代码生成数据分析报告
Pandas-排序函数sort_values()
sns.heatmap的用法简介
Pandas 的melt的使用
plt.subplots()的使用
数据的偏度和峰度——df.skew()、df.kurt()
sklearn中使用r2_score评价回归模型
机器学习评价指标 ROC与AUC 的理解和python实现
sklearn评估指标precision_score/recall_score/f1_score原理分析及应用
机器学习-西瓜书
课件
第四章
第三章
第二章
第一章
机器学习笔记截图
机器学习
机器学习所需要的数学知识
kkt条件
凸优化-梯度下降
概理论
偏导数
行列式
导数
总知识
数据分析与挖掘
数据分析与挖掘-笔记
第5章 挖掘建模
第4章 数据预处理
第3章 数据探索
第2章 python数据分析简介
第1章 数据挖掘基础
数据分析与挖掘-书
机器学习算法十讲
kaggle竞赛之路
第一章 推荐系统简介
第二章 数学基础
第三章 机器学习基础
第四章 机器学习模型
第五章 推荐系统算法详解
第六章 电影推荐系统设计
电影推荐系统
代码
data
LFM梯度下降代码实现
tfidf代码实现
Kmeans
KNN算法
线性回归代码03-线性回归sklearn
线性回归代码02-梯度下降法
线性回归代码01-最小二乘法
原理讲解
决策树-基础知识与总结
Knn算法原理-机器学习
梯度下降算法原理讲解——机器学习
附件1-Python简单教程
附件2-jupyter notebook安装使用
特征工程
数据预处理和特征工程
数据预处理与特征工程02
数据预处理和特征工程01
特征工程基础知识
深度学习TensorFlow框架进行图片识别
暂无相关搜索结果！
让时间为你证明
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
