机器学习笔记
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
绪论
浏览
75
扫码
分享
2023-02-16 07:33:35
若有收获，就点个赞吧
0 人点赞
上一篇:
下一篇:
学习计划
绪论
概念
基本术语
假设空间与归纳偏好
模型选择与评估
经验误差与过拟合
评估方法
性能度量
最常用的性能度量
查准率、查全率与F1
代价敏感错误率与代价函数
比较检验
假设检验
交叉验证t检验
偏差与方差
线性模型
线性回归
对数几率回归
线性判别分析
多分类学习
类别不平衡问题
决策树
基本流程
划分选择
剪枝处理
连续与缺失值
多变量决策树
神经网络
神经元模型
感知机与多层网络
反向传播算法
全局最小与局部极小
其他常见神经网络
深度学习
支持向量机
间隔与支持向量
对偶问题
核函数
软间隔与正则化
支持向量回归
核方法
贝叶斯分类器
贝叶斯决策论
极大似然估计
朴素贝叶斯分类器
半朴素贝叶斯分类器
贝叶斯网
EM算法
集成学习
个体与集成
Boosting
Bagging与随机森林
结合策略
多样性
聚类
聚类任务
性能度量
距离计算
原型聚类
密度聚类
层次聚类
降维与度量学习
k近邻学习
低维嵌入
主成分分析
核化线性降维
流形学习
度量学习
特征选择与稀疏学习
子集搜索与评价
过滤式选择（Relief）
包裹式选择（LVW）
嵌入式选择与正则化
稀疏表示与字典学习
压缩感知
半监督学习
未标记样本
生成式方法
半监督SVM
基于分歧的方法
半监督聚类
概率图模型
隐马尔可夫模型
马尔可夫随机场（MRF）
条件随机场（CRF）
学习与推断
LDA话题模型
强化学习
基本要素
K摇摆赌博机
有模型学习
蒙特卡罗强化学习
AlphaGo原理浅析
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
