“AI Red”的版本间的差异
来自CloudWiki
（→第4章 K-近邻算法） |
（→第4章 K-近邻算法） |
||
| （未显示3个用户的5个中间版本） | |||
| 第29行： | 第29行： | ||
*[[3.7 F1 Score]] | *[[3.7 F1 Score]] | ||
==第4章 K-近邻算法== | ==第4章 K-近邻算法== | ||
| − | *算法简介 | + | *[[算法简介]] |
| − | |||
| − | |||
*[[4.1 算法原理]] | *[[4.1 算法原理]] | ||
| − | *[[4.2 实例：使用 K-近邻算法进行分类]] | + | *[[4.2 K-近邻算法案例介绍]] |
| − | *[[4. | + | *[[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
