AI Red
来自CloudWiki
Xujie
(
讨论
|
贡献
)
2018年5月26日 (六) 15:12的版本
(
→
第4章 K-近邻算法
)
(
差异
)
←上一版本
|
最后版本
(
差异
) |
下一版本→
(
差异
)
跳转至:
导航
,
搜索
目录
1
机器学习的准备工作
1.1
环境的安装搭建
2
第1章 机器学习介绍
2.1
机器学习的典型步骤
3
第2章 Python机器学习软件包
3.1
开发环境搭建
4
第3章 机器学习理论基础
5
第4章 K-近邻算法
6
第5章 线性回归算法
7
第6章 逻辑回归算法
8
第7章 决策树
9
第8章 支持向量机
10
第9章 朴素贝叶斯算法
11
第10章 pca算法
12
第11章 K-均值算法
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
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
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
4.5 实例:糖尿病预测
4.6 拓展阅读
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
导航菜单
个人工具
登录
命名空间
页面
讨论
变种
视图
阅读
查看源代码
查看历史
更多
搜索
导航
首页
最近更改
随机页面
帮助
工具
链入页面
相关更改
特殊页面
固定链接
页面信息