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
绪论
浏览
100
扫码
分享
2022-07-22 22:48:50
1.6应用现状
1.5 发展历程
1.4 归纳偏好
1.3假设空间
1.2 基本术语
1.1引言
若有收获,就点个赞吧
0 人点赞
上一篇:
下一篇:
综述
绪论
1.6应用现状
1.5 发展历程
1.4 归纳偏好
1.3假设空间
1.2 基本术语
1.1引言
如何处理数据
数据增广
Batchnormalition
样本平均
不平衡数据处理
神经网络
优化算法
解决梯度问题
模型初始化
激活函数
反向传播
随机梯度下降
注意力机制
注意力分数
注意力提示
前馈神经网络
softmax 回归
循环神经网络
现代循环神经网络
双向循环网络
深度循环网络
长短期神经网络(LSTM)
门控循环单元(GRU)
循环神经网络
示例:计算掩码加法
语言模型
序列模型
自然语言处理
Spacy
序列表达
卷积神经网络
残差神经网络
Locality
Translation invariance
神经网络图形分类
经典神经网络
多输入和输出通道
填充和步幅
卷积层与池化层
Pytorch的使用
如何自定义层?
参数管理
定义训练函数和测试函数
定义优化器和目标函数
数据加载器
如何自定义网络
torch 的下标索引
numpy 二维下标索引
pytorch 的广播机制
模型与参数估计
过拟合与欠拟合
Bagging
K折交叉验证法
评价方法
线性空间
线性模型
有监督学习
判别模型
K近邻(KNN)
决策树
C4.5算法
ID3算法
实现代码
支持向量机
对数几率回归(逻辑回归)
线性回归
生成模型
朴素贝叶斯
生成模型和判别模型
Sklearn中调用不同的模型
稀疏表达分类
无监督学习
K-means
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