“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2个用户的2个中间版本) | |||
第31行: | 第31行: | ||
*[[算法简介]] | *[[算法简介]] | ||
*[[4.1 算法原理]] | *[[4.1 算法原理]] | ||
− | *[[4.2 | + | *[[4.2 K-近邻算法案例介绍]] |
− | *[[4.3 实例:使用 K- | + | *[[4.3 实例:使用 K-近邻算法进行分类]] |
− | *[[4.4 | + | *[[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== | ==第5章 线性回归算法== | ||
第66行: | 第65行: | ||
*[[11.2scikit-learn里的k-均值算法]] | *[[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]] | *[[11.3使用k-均值对文档进行聚类分析]] | ||
− | *[[11.4聚类算法性能评估] | + | *[[11.4聚类算法性能评估]] |
*[[3.5 算法模型性能优化]] | *[[3.5 算法模型性能优化]] | ||
*[[3.6 查准率和召回率]] | *[[3.6 查准率和召回率]] | ||
*[[3.7 F1 Score]] | *[[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