CLZG1的博客

目录(?)[-] 14 支持向量机 141 分类 1411 多元分类1412 得分和概率1413 非均衡问题 142 回归143 密度估计 异常novelty检测144 复杂度145 使用诀窍146 核函数 1461 自定义核 14611 使用 python 函数作为内核14612 使用 Gram 矩阵14613 RBF 内核参数 147 数学公式 1471

目录(?)[-] 15 随机梯度下降 151 分类152 回归153 稀疏数据的随机梯度下降154 复杂度155 实用小贴士156 数学描述 1561 SGD 157 实现细节 中文文档: http://sklearn.apachecn.org/cn/0.19.0/modules/sgd.html 英文文档: http://s

目录(?)[-] 16 最近邻 161 无监督最近邻 1611 找到最近邻1612 KDTree 和 BallTree 类 162 最近邻分类163 最近邻回归164 最近邻算法 1641 暴力计算1642 K-D 树1643 Ball 树1644 最近邻算法的选择1645 leaf_size 的影响 165 最近质心分类 1651 最近缩小质心

目录(?)[-] 114 半监督学习 1141 标签传播 中文文档: http://sklearn.apachecn.org/cn/stable/modules/label_propagation.html 英文文档: http://sklearn.apachecn.org/en/stable/modules/label_propagation.html

文档: http://sklearn.apachecn.org/cn/0.19.0/modules/calibration.html 英文文档: http://sklearn.apachecn.org/en/0.19.0/modules/calibration.html 官方文档: http://scikit-learn.org/

目录(?)[-] 117 神经网络模块监督的 1171 多层感知器1172 分类1173 回归1174 正则化1175 算法1176 复杂性1177 数学公式1178 实用技巧1179 使用 warm_start 的更多控制 中文文档: http://sklearn.apachecn.org/cn/0.19.0/modules/neural_networks_su

目录(?)[-] 21 高斯混合模型 211 高斯混合 2111 优缺点 GaussianMixture 21111 优点21112 缺点 2112 选择经典高斯混合模型中的分量数2113 估计算法期望最大化EM 212 变分贝叶斯高斯混合 2121 估计算法 variational inference 21211 优点21212 缺点 2122 狄利克雷