风雪夜归子专栏
风雪夜归子(英文名:Allen),机器学习算法攻城狮,喜爱钻研Meachine Learning的黑科技,对Deep Learning和Artificial Intelligence充满兴趣,经常关注Kaggle数据挖掘竞赛平台。
10
文章
1
粉丝
-
机器学习系列(10):从感知器到人工神经网络
本章,我们将介绍人工神经网络(artificial neural networks,ANN),一种用于强大的非线性回归和分类模型,用新的策略来克服感知器的缺点。
-
机器学习系列(9):从感知器到支持向量机
这一章,我们将介绍一种强大的分类和回归模型,称为支持向量机(support vector machine,SVM)。
-
机器学习系列(8):感知器
这一章,我们将介绍另一种线性模型,称为感知器(perceptron)。
-
机器学习系列(7):用PCA降维
本章我们将介绍一种降维方法,PCA(Principal Component Analysis,主成分分析)。降维致力于解决三类问题。
-
机器学习系列(6):K-Means聚类
本章,我们讨论无监督学习算法,聚类(clustering)。
-
机器学习系列(5):决策树——非线性回归与分类
本章我们要讨论一种简单的非线性模型,用来解决回归与分类问题,称为决策树(decision tree)。
-
机器学习系列(4):从线性回归到逻辑回归
这一章,我们讨论广义线性回归模型的具体形式的另一种形式,逻辑回归(logistic regression)。
-
机器学习系列(3):特征提取与处理
本章,我们介绍提取这些变量特征的方法。这些技术是数据处理的前提——序列化,更是机器学习的基础,影响到本书的所有章节。
-
机器学习系列(2):线性回归
本章介绍用线性模型处理回归问题。
-
机器学习系列(1):机器学习基础
本章我们简要介绍下机器学习(Machine Learning)的基本概念。主要介绍机器学习算法的应用,监督学习和无监督学习(supervised-unsupervised learning)的应用场景,训练和测试数据的用法,学习效果评估方式。最后,对scikit-learn进行一些简单的介绍。
加载更多