/text/113
首页
机器学习
神经网络
深度学习
资料
VIP开通
饼饼饼
关闭
用户登录
忘记密码?
注册
登录
入门教程
机器学习入门
学前解惑
入门解惑
数据分析、机器学习与人工智能的区别
机器学习-需要什么数学基础
机器学习-需要学习哪些内容
机器学习-有哪些学习资料
机器学习-有哪些学习途径
机器学习-使用什么编程语言
环境搭建:Anaconda安装
B站视频
【B站视频】《机器学习-入门篇》- 01.学前初识
【B站视频】《机器学习-入门篇》- 02.逻辑回归与梯度下降
【B站视频】《机器学习-入门篇》- 03.决策树
【B站视频】《机器学习-入门篇》- 04.补充-逻辑回归与梯度下降
【B站视频】《机器学习-入门篇》- 05.算法补充
【B站视频】《老饼讲解机器学习-入门篇》- 00.汇总
第一课:初探模型
机器学习初探
【例子】机器学习入门例子
【提炼】机器学习建模三步骤与模型三要素
【总结】机器学习初探-入门总结
线性回归
【原理】线性回归模型原理
【实例】线性回归实例讲解
【总结】线性回归总结
【附件】最小二乘法求解公式及推导
第二课:逻辑回归与梯度下降
梯度下降法
【原理】梯度下降算法原理
【实例】梯度下降算法实例与代码
【讨论】梯度下降算法的意义与优缺点
逻辑回归
【原理】逻辑回归模型原理介绍
【实例】逻辑回归算法实现代码与例子
【总结】逻辑回归总结
【推导】逻辑回归损失函数推导过程
【推导】逻辑回归梯度公式推导
第三课:决策树
决策树
【导读】决策树简介与入门
【初识】CART决策树模型简介与实例
【原理】CART决策树构建过程详细讲解
【原理】CART决策树算法流程与实现
【原理】CART决策树的剪枝
【原理】CART回归树
决策树-附件
【代码】CART决策树代码(自实现)
【推导】决策树GINI系数的推导
第四课:熵与逻辑回归、决策树
信息与熵
【概念】信息量是什么
【概念】信息熵是什么
【概念】交叉熵是什么
【原理】交叉熵损失函数公式推导
基于熵补充学习逻辑回归
【逻辑回归】逻辑回归sigmoid函数的由来
【逻辑回归】逻辑回归损失函数交叉熵形式的理解
基于熵补充学习决策树
【决策树】决策树ID3算法
【决策树】决策树C4.5算法
第五课:其它算法-聚类、分类、降维
k-means聚类
【初识】聚类问题与层次聚类
【原理】k-means聚类
【代码】k-means代码Demo
朴素贝叶斯分类
【原理】朴素贝叶斯模型原理
【实例】朴素贝叶斯实例
【补充】朴素贝叶斯概念补充
PCA主成份分析
【概念】协方差与变量相关性
【概念】相关系数及相关系数的意义
【原理】PCA主成份分析原理
【代码】PCA的求解及代码
第六课:综合应用
评估指标
【原理】AUC与ROC曲线
【原理】AUC计算与ROC曲线绘制
【经验】AUC多少才有效果
【原理】KS、KS曲线、KS计算过程
过拟合
【概念】机器学习中的过拟合是什么
【原理】正则化与正则项
【实例】正则化用于逻辑回归的实例讲解
【补充】朴素贝叶斯概念补充
作者 : 老饼
发表日期 : 2022-06-27 20:08:42
更新日期 : 2024-03-21 16:56:24
会员文章,
请先登录哦
联系老饼