机器学习笔记

白天 夜间 首页 下载 阅读记录
  我的书签   添加书签   移除书签

贝叶斯分类器

浏览 146 扫码 分享 2022-07-22 22:51:44
  • 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

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
  • 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

    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