“AI Red”的版本间的差异
来自CloudWiki
(创建页面,内容为“==第1章 机器学习介绍== ===机器学习的典型步骤=== *数据标记和采集 *数据清洗 *特征选择 *模型训练和测试 *模型性能评估和优…”) |
(→第4章 K-近邻算法) |
||
(未显示4个用户的26个中间版本) | |||
第1行: | 第1行: | ||
+ | ==机器学习的准备工作== | ||
+ | ===环境的安装搭建=== | ||
+ | *[[tensorflow环境搭建教程]] | ||
+ | |||
==第1章 机器学习介绍== | ==第1章 机器学习介绍== | ||
+ | |||
===机器学习的典型步骤=== | ===机器学习的典型步骤=== | ||
+ | |||
*数据标记和采集 | *数据标记和采集 | ||
*数据清洗 | *数据清洗 | ||
第6行: | 第12行: | ||
*模型训练和测试 | *模型训练和测试 | ||
*模型性能评估和优化 | *模型性能评估和优化 | ||
− | + | ==第2章 Python机器学习软件包== | |
+ | ===开发环境搭建=== | ||
+ | *[[2.1 开发环境搭建]] | ||
+ | *[[2.2 Ipython简介]] | ||
+ | *[[2.3 Numpy简介]] | ||
+ | *[[2.4 Pandas简介]] | ||
+ | *[[2.5 Matplotlib简介]] | ||
+ | *[[2.6 scikit-learn简介]] | ||
+ | ==第3章 机器学习理论基础== | ||
+ | *[[3.1 过拟合和欠拟合]] | ||
+ | *[[3.2 成本函数]] | ||
+ | *[[3.3 模型准确性]] | ||
+ | *[[3.4 学习曲线]] | ||
+ | *[[3.5 算法模型性能优化]] | ||
+ | *[[3.6 查准率和召回率]] | ||
+ | *[[3.7 F1 Score]] | ||
+ | ==第4章 K-近邻算法== | ||
+ | *[[算法简介]] | ||
+ | *[[4.1 算法原理]] | ||
+ | *[[4.2 K-近邻算法案例介绍]] | ||
+ | *[[4.3 实例:使用 K-近邻算法进行分类]] | ||
+ | *[[4.4 实例:使用 K-近邻算法进行回归拟合]] | ||
− | == | + | ==第5章 线性回归算法== |
− | === | + | *[[5.1算法原理]] |
− | + | *[[5.2多变量线性回归算法]] | |
− | + | *[[5.3模型优化]] | |
− | + | ==第6章 逻辑回归算法== | |
+ | *[[6.1算法原理]] | ||
+ | *[[6.2多元分类]] | ||
+ | *[[6.3正则化]] | ||
+ | *[[6.4算法参数]] | ||
+ | ==第7章 决策树== | ||
+ | *[[7.1算法原理]] | ||
+ | *[[7.2算法参数]] | ||
+ | *[[7.3算法集合]] | ||
+ | ==第8章 支持向量机== | ||
+ | *[[8.1算法原理]] | ||
+ | *[[8.2核函数]] | ||
+ | *[[8.3scikit-learn里的svm]] | ||
+ | ==第9章 朴素贝叶斯算法== | ||
+ | *[[9.1算法原理]] | ||
+ | *[[9.2概率分布]] | ||
+ | *[[9.3连续值的处理]] | ||
+ | ==第10章 pca算法== | ||
+ | *[[10.1算法原理]] | ||
+ | *[[10.2算法示例]] | ||
+ | *[[10.3pca的数据还原率及应用]] | ||
+ | *[[10.4人脸识别实例]] | ||
+ | ==第11章 K-均值算法== | ||
+ | *[[11.1算法原理]] | ||
+ | *[[11.2scikit-learn里的k-均值算法]] | ||
+ | *[[11.3使用k-均值对文档进行聚类分析]] | ||
+ | *[[11.4聚类算法性能评估]] | ||
+ | *[[3.5 算法模型性能优化]] | ||
+ | *[[3.6 查准率和召回率]] | ||
+ | *[[3.7 F1 Score]] |
2018年6月5日 (二) 11:14的最新版本
目录
机器学习的准备工作
环境的安装搭建
第1章 机器学习介绍
机器学习的典型步骤
- 数据标记和采集
- 数据清洗
- 特征选择
- 模型训练和测试
- 模型性能评估和优化