网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
- [Stochastic Gradient Descent ( 随机梯度下降 )](https://bbs.csdn.net/topics/618658159)
- [Nearest Neighbors ( 最近邻 )](https://bbs.csdn.net/topics/618658159)
- [Gaussian Processes(高斯过程)](https://bbs.csdn.net/topics/618658159)
- [Cross decomposition(交叉分解)](https://bbs.csdn.net/topics/618658159)
- [Naive Bayes ( 朴素贝叶斯 )](https://bbs.csdn.net/topics/618658159)
- [Decision Trees(决策树)](https://bbs.csdn.net/topics/618658159)
- [Ensemble methods(集成方法)](https://bbs.csdn.net/topics/618658159)
- [多类和多标签算法](https://bbs.csdn.net/topics/618658159)
- [功能选择](https://bbs.csdn.net/topics/618658159)
- [半监督](https://bbs.csdn.net/topics/618658159)
- [等式回归](https://bbs.csdn.net/topics/618658159)
- [概率校准](https://bbs.csdn.net/topics/618658159)
- [神经网络模型(监督)](https://bbs.csdn.net/topics/618658159)
+ [无监督学习](https://bbs.csdn.net/topics/618658159)
- [高斯混合模型](https://bbs.csdn.net/topics/618658159)
- [流形学习](https://bbs.csdn.net/topics/618658159)
- [聚类](https://bbs.csdn.net/topics/618658159)
- [双聚类](https://bbs.csdn.net/topics/618658159)
- [分解成分中的信号(矩阵分解问题)](https://bbs.csdn.net/topics/618658159)
- [协方差估计](https://bbs.csdn.net/topics/618658159)
- [新奇和异常检测](https://bbs.csdn.net/topics/618658159)
- [密度估计](https://bbs.csdn.net/topics/618658159)
- [神经网络模型(无监督)](https://bbs.csdn.net/topics/618658159)
+ [模型选择和评估](https://bbs.csdn.net/topics/618658159)
- [交叉验证:评估估计器性能](https://bbs.csdn.net/topics/618658159)
- [调整估计器的超参数](https://bbs.csdn.net/topics/618658159)
- [模型评估:量化预测的质量](https://bbs.csdn.net/topics/618658159)
- [模型持久化](https://bbs.csdn.net/topics/618658159)
- [验证曲线:绘制分数以评估模型](https://bbs.csdn.net/topics/618658159)
+ [数据集转换](https://bbs.csdn.net/topics/618658159)
- [管道和FeatureUnion:组合估计](https://bbs.csdn.net/topics/618658159)
- [特征提取](https://bbs.csdn.net/topics/618658159)
- [预处理数据](https://bbs.csdn.net/topics/618658159)
- [无监督降维](https://bbs.csdn.net/topics/618658159)
- [随机投影](https://bbs.csdn.net/topics/618658159)
- [内核近似](https://bbs.csdn.net/topics/618658159)
- [成对度量,亲和力和内核](https://bbs.csdn.net/topics/618658159)
- [转换预测目标(y)](https://bbs.csdn.net/topics/618658159)
+ [数据集加载实用程序](https://bbs.csdn.net/topics/618658159)
+ [计算策略:更大的数据](https://bbs.csdn.net/topics/618658159)
+ [计算性能](https://bbs.csdn.net/topics/618658159)
学习路线 : 机器学习基础 –> sklearn –> tensorflow(学这些之前,得先把大数据的基础搞定先,后期会组织该学习活动,期待ing。。。)
若你有任何想法或建议,请联系企鹅 : 1042658081
欢迎转载,请注明来源:
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**