發(fā)簡信
IP屬地：英格蘭
-
ML 無監(jiān)督學(xué)習(xí) 聚類 K-Means無監(jiān)督學(xué)習(xí)(unsupervised learning) 在無監(jiān)督學(xué)習(xí)中，訓(xùn)練樣本的標(biāo)記信息是未知的，目標(biāo)是通過對無標(biāo)記訓(xùn)練樣本的學(xué)習(xí)來揭示數(shù)據(jù)...
-
ML 監(jiān)督學(xué)習(xí) 集成學(xué)習(xí) BaggingBagging---Bootstrap aggregating 是并行式集成學(xué)習(xí)方法最著名的代表，基于自助采樣法允許在同一種分類器上?對訓(xùn)練集進(jìn)...
-
ML 神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)(neural networks)是由具有適應(yīng)性的簡單單元組成的廣泛并行互連的網(wǎng)絡(luò)，它的組織能夠模擬生物神經(jīng)系統(tǒng)對真實世界物體所作出的交...
-
ML 監(jiān)督學(xué)習(xí) 集成學(xué)習(xí) Boosting集成學(xué)習(xí)是用多個弱分類器構(gòu)成一個強(qiáng)分類器，其哲學(xué)思想是“三個臭皮匠賽過諸葛亮”。一般的弱分類器可以由決策樹，神經(jīng)網(wǎng)絡(luò)，貝葉斯分類器，K-近鄰等構(gòu)...
-
ML 監(jiān)督學(xué)習(xí) 回歸 支持向量機(jī)首先補(bǔ)充分類問題SVM不能用于多分類問題，但我們可以用The “One-vs-One” trick for Multi-Class SVMs S...
-
ML 監(jiān)督學(xué)習(xí) 回歸 樹回歸Scikit-Learn用分裂回歸樹（Classification And Regression Tree，簡稱 CART）算法訓(xùn)練決策樹...
-
ML 監(jiān)督學(xué)習(xí) 分類 K近鄰算法KNN “物以類聚，人以群分”：給定測試樣本，基于某種距離度量找出訓(xùn)練集中與其最靠近的k個訓(xùn)練樣本，然后基于這k個鄰居的信息來進(jìn)行預(yù)測。 KNN...
-
ML 監(jiān)督學(xué)習(xí) 分類 邏輯回歸邏輯回歸（logistic regression）又稱“對數(shù)幾率回歸。雖然它的名字是回歸，但卻是一種分類學(xué)習(xí)方法。邏輯回歸也可以從二元分類擴(kuò)展到...
-
ML 監(jiān)督學(xué)習(xí) 分類 支持向量機(jī)SVM最初被用來解決線性分類問題，加入核方法之后能有效解決非線性問題。 分類學(xué)習(xí)基本思想：基于訓(xùn)練集在樣本空間中找到一個劃分超平面，將不同類別的...