机器学习算法

最新推荐文章于 2024-06-18 20:22:54 发布
最新推荐文章于 2024-06-18 20:22:54 发布
阅读量415 收藏
点赞数 1
分类专栏： 学习笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/FeynmanWang/article/details/47107649
版权

#感知机

  1. 感知机(perceptron)学习算法的原始形式
  2. 感知机(perceptron)学习算法的对偶形式
    #k近邻法
  3. k近邻法(k-nearest neighbor, k-NN)
  4. 构造平衡kd树(kd tree)
  5. 用kd树的最近邻搜索
    #朴素贝叶斯法
  6. 朴素贝叶斯算法(naive Bayes algorithm)
    #决策树
  7. 信息增益(比)的算法
  8. ID3和C4.5算法
  9. 树的剪枝(pruning)算法
  10. 最小二乘回归树生成算法
  11. CART 生成算法
  12. CART 剪枝算法
    #逻辑斯谛回归与最大熵模型
  13. 逻辑斯谛(logistic regression)回归
  14. 最大熵模型
    #支持向量机
  15. 线性可分支持向量机学习算法——最大间隔法
  16. 线性可分支持向量机对偶算法
  17. 线性支持向量机学习算法
  18. 非线性支持向量机学习算法
    #提升方法
  19. AdaBoost
  20. 前向分步算法(forward stagewise algorithm)
  21. 回归问题的提升树(boosting tree)算法
  22. 梯度提升(gradient boosting)算法
    #EM算法及其推广
  23. EM算法
提高机器学习模型性能的五个关键方法
学习机器学习
09-08 3万+
如何提高机器学习模型性能， 可从五个关键方面入手。 1. 数据预处理 2. 特征工程 3. 机器学习算法 4. 模型集成与融合 5. 数据增强 以下是各个方面的具体分析和方法： [ 说明：1、这里主要是各个关键方法的知识汇总梳理，便于集中学习，具体的实际应用内容后续单独写。 2、参考整理了很多大拿的文章和资料，但忘了记录来处，如有不适当转载的，请留言，我看到后第一时间删除。 ] 第...
python机器学习算法（赵志勇）学习笔记(基础部分)
qq_40604335的博客
02-23 724
文章目录机器学习基础机器学习概念机器学习算法的分类监督学习监督学习重点监督学习的流程监督学习算法分类问题（Classification）回归问题（Regression）无监督学习概念无监督学习的流程无监督学习算法聚类算法推荐系统和深度学习推荐系统的意义深度学习由来python在机器学习中的优势 机器学习基础 机器学习概念 ​ 机器学习能够从无序的数据中提取出有用的信息,那么什么是机器学习呢?...
机器学习算法与Python实践
07-12
机器学习算法与Python实践这个系列主要是参考《机器学习实战》这本书。因为自己想学习Python，然后也想对一些机器学习算法加深下了解，所以就想通过Python来实现几个比较常用的机器学习算法。恰好遇见这本同样定位的书籍，所以就参考这本书的过程来学习了
赵志勇记录下的算法+程序
han____shuai的专栏
05-12 4936
赵志勇的博客地址：       http://blog.csdn.net/google19890102?viewmode=contents [置顶] 新的10大数据挖掘、机器学习算法 2015-01-18 14:07 阅读(1672) 评论(0) [置顶] 机器学习算法系列——博客中相关机器学习算法的目录 2014-10-04 21:0
实际工程中提升机器学习算法性能的建议
huludan的专栏
02-15 978
机器学习工程师Jason Brownlee提供的一份“ML Performance Improvement Cheat Sheet.”  点我下载 Jason Brownlee主张在实践工程中“自顶向下”地学习机器学习，首先使用机器学习算法解决实际工程中的问题，得到初步结果，之后逐步深入学习背后的理论推导。 Jason Brownlee的Machine Learning网站为初学者提供
十大机器学习算法
qq_39783601的博客
03-08 3万+
初学者应该知道的十大机器学习算法 来源：https://builtin.com/data-science/tour-top-10-algorithms-machine-learning-newbies 机器学习算法被描述为学习一个目标函数 (f)，它最好地将输入变量 (X) 映射到输出变量 (Y)：Y = f(X) 最常见的机器学习类型是学习映射 Y = f(X) 以针对新 X 预测 Y。这称为预测建模或预测分析，目标就是要做出最准确的预测。 机器学习算法线性回归逻辑回归线性判别分析分类和回归树朴素贝叶
机器学习算法的应用场景
最新发布
lbr15660656263的博客
06-18 2309
选择适合的算法取决于具体的问题、数据的特性和性能要求，通常需要根据问题的具体情况来选择和调整适合的算法。另外，个人的习惯也会影响对算法的选择。为了方便非专业的朋友阅读，我会从算法分类到主流算法举例来展开，预计20分钟的阅读，你会大概对众多繁复的机器学习算法有一个基础认识，了解当下流行的算法应用场景。NLP的应用主要包括：对话系统和聊天机器人（如GPT-3），内容推荐和个性化，自然语言理解（NLU），机器翻译，文本生成，情感分析和社交媒体监控，语音识别和处理，知识图谱和信息检索等。
机器学习算法分类
nousefully的博客
08-06 2115
无
机器学习算法（一）SVM
热门推荐
学习 & 分享 ~
06-02 26万+
支持向量机（support vector machines，SVM）是一种二分类模型，它将实例的特征向量映射为空间中的一些点，SVM 的目的就是想要画出一条线，以 “最好地” 区分这两类点，以至如果以后有了新的点，这条线也能做出很好的分类。SVM 适合中小型数据样本、非线性、高维的分类问题。SVM 最早是由 Vladimir N. Vapnik 和 Alexey Ya. Chervonenkis 在1963年提出，目前的版本（soft margin）是由 Corinna Cortes 和 Vapnik 在1
机器学习算法与应用.pdf
09-24
机器学习算法与应用.pdf 机器学习是人工智能的核心和基础，研究机器学习是实现人工智能的重要步骤。机器学习算法是机器学习的核心部分，它决定了机器学习的性能和效果。本文将从三个方面介绍机器学习算法：典型机器...
基于机器学习算法进行电影票房预测.pdf
09-24
"基于机器学习算法进行电影票房预测" 本文主要讨论了基于机器学习算法进行电影票房预测的方法和技术。文章首先介绍了电影票房预测的重要性，然后讨论了机器学习算法在电影票房预测中的应用。文章还介绍了机器学习...
机器学习算法汇总：人工神经网络、深度学习及其它
01-30
这里我们将为您总结一下常见的机器学习算法，以供您在工作和学习中参考。机器学习的算法很多。很多时候困惑人们都是，很多算法是一类算法，而有些算法又是从其他算法中延伸出来的。这里，我们从两个方面来给大家介绍...
传统机器学习算法总结
06-15
"传统机器学习算法总结" 机器学习是一门涉及到计算机科学、数学、统计学、信息论和工程学的交叉学科，旨在设计和开发使计算机系统能够自动地从经验中学习、提高性能的算法和理论。传统机器学习算法是机器学习的基础...
图解机器学习算法.docx
09-13
"机器学习算法概述" 《图解机器学习算法》是一本旨在介绍机器学习算法基础知识和实践应用的图书。本书的目标是帮助读者深入理解机器学习算法的原理，掌握其应用方法，从而更好地应对实际问题。 机器学习是领域中的...
python机器学习算法（赵志勇）学习笔记( Logistic Regression，LR模型)
qq_40604335的博客
03-01 2887
Logistic Regression（逻辑回归） 分类算法是典型的监督学习，分类算法通过对训练样本的学习，得到从样本特征到样本的标签之间的映射关系，也被称为假设函数，之后可利用该假设函数对新数据进行分类。 通过训练数据中的正负样本，学习样本特征到样本标签之间的假设函数，Logistic Regression算法是典型的线性分类器，有算法复杂度低、容易实现等特点。 Logistic Regress...
最小二乘回归树生成算法
FeynmanWang的博客
07-26 7638
算法：\qquad 输入：训练数据集 DD； \qquad 输出：回归树 f(x)f(x) . \qquad 在训练数据集所在的输入空间中，递归地将每个区域划分为两个子区域并决定每个子区域上的输出值，构建二叉决策树： \qquad (1) 选择最优切分变量 jj 与切分点 ss，求解minj,s⎡⎣minc1∑xi∈R1(j,s)(yi−c1)2+minc2∑xi∈R2(j,s)(yi−c2)
前向分步算法(forward stagewise algorithm)
FeynmanWang的博客
07-28 5665
算法：\qquad 输入：训练数据集 T={(x1,y1),(x2,y2),⋯,(xN,yN)}T=\{(x_1,y_1),(x_2,y_2),\cdots,(x_N,y_N)\}；损失函数 L(y,f(x))L(y,f(x)) ；基函数集 {b(x;γ)}\{b(x;\gamma)\}； \qquad 输出：加法模型 f(x)f(x) . \qquad (1) 初始化 f0(x)=0f_0(x
构造平衡kd树(kd tree)
FeynmanWang的博客
07-24 4133
算法：\qquad 输入：kk 维空间数据集 T={x1,x2,…,xN}T=\{x_1,x_2,\ldots ,x_N\}, 其中 xi=(x(1)i,x(2)i,…,x(k)i)T,i=1,2,…,Nx_i=(x_i^{(1)},x_i^{(2)},\ldots,x_i^{(k)})^T,\quad i=1,2,\ldots,N； \qquad 输出：kdkd 树 \qquad (1)
信息增益(比)的算法
FeynmanWang的博客
07-25 3668
算法：\qquad 输入：训练数据集 DD 和特征 AA ; \qquad 输出：特征 AA 对训练数据集 DD 的信息增益 g(D,A)g(D,A) 。 \qquad (1) 计算数据集 DD 的经验熵 H(D)H(D) H(D)=−∑k=1K|Ck||D|log2|Ck||D|H(D)=-\sum_{k=1}^K \frac {|C_k|} {|D|} \log_2 {\frac {|C_k
纯Python实现机器学习算法教程
资源摘要信息:"本资源包含了一系列用纯Python实现的机器学习算法，不依赖于sk-learn这样的高级机器学习库，旨在帮助学习者深入理解机器学习算法的原理和实现细节。由于资源标题中包含重复文本，实际描述并没有提供...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值