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
决策树学习(三)
浏览
143
扫码
分享
2023-11-22 01:14:22
来源链接
若有收获,就点个赞吧
0 人点赞
上一篇:
下一篇:
🔋 GitHub2万星,两款机器学习画图工具,让你从入门到可视化大师
🍡 关于Adaboost
🌱 t-SNE:可视化效果最好的降维算法
⛲️ Bagging和Boosting算法
♐️ 机器学习路线规划
💻 机器学习画图神器
⏳ 机器学习常用的数据集
📁 迁移学习
§ 简介与教程
§ 代码
🔫 机器学习算法优缺点对比
§ LightGBM
LightGBM参数
LightGBM为什么有这些优点?
参数
重要的文件
matlab混编
§ xgboost工具箱
♠ CMake入门
♠ CMake多文件构建
§ Adaboost工具箱
§ 随机森林
♠ 随机森林算法理论
♠ RF实现
♥ RF对数据集的分类
♥ 运行简单例子
♥ mex -setup设置编译器
§ Fitensemble实现集成学习
§ AdaBoost, GBDT, RF, XGboost, LightGBM的对比分析
§ GBDT
♠ GBDT深入浅出学习
♠ GBDT的原理和应用
♠ GBDT公式推导
🍈 统计学习方法
§ 第一章 统计学习及监督学习概论
§ 第二章 感知机
§ 第三章k近邻
🍉 西瓜书
§ 第七章 贝叶斯分类器
§ 第八章 集成学习
§ 第十一章 特征选择与稀疏学习
§ 第十二章 计算学习理论
第十二章 基础知识,PAC学习,有限假设空间
第十二章(VC维)
Rademacher复杂度
稳定性
§ 第十三章 半监督学习
未标记样本、生成式方法、半监督SVM
§ 第十四章 概率图模型
§ 课后习题
第十一章 课后习题
第八章 课后习题
🍐 监督学习
§ 逻辑回归(Logistic Regression)
§ 决策树
决策树学习(一)
决策树学习(二)
决策树学习(三)
决策树Matlab实现
§ SVM支持向量机学习
SVM-支持向量机概述
SVM教程
最佳超平面
SVM无约束最小化
凸函数
对偶和拉格朗日乘数
软间隔支持向量机
核技巧和核函数(7分钟简单读懂)
核技巧支持向量机
核函数讲解和常用核函数
SVM代码实现(matlab)
SVM自写代码
🍆 无监督学习
§ K近邻算法
§ 特征值和奇异值
§ PCA降维
§ matlab实现
§ K均值聚类(K-means)
§ matlab实现(Kmeans)
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