- 博客(2)
- 资源 (7)
- 收藏
- 关注
原创 机器学习-K均值聚类
前面文章介绍的都是机器学习中的监督学习算法,本章开始介绍第一个非监督学习算法-K均值聚类算法。监督学习包含分类和回归,其共同点是我们事先知道要求解的目标变量,而非监督学习中不存在类似的目标变量。非监督学习通常可以解决以下问题,数据集S可以分成哪些类(注意,此时我们并不知道S中存在哪些类别,而监督学习事先是知道的) 数据集S中哪些特征最频繁出现 数据集S中哪些特征有相互关系本章介绍K均值聚类算法,其可以高效的对数据集进行分类。包含以下内容:K均值算法 局部收敛的问题分析 二分K均值算法
2020-12-31 15:24:13 365
原创 机器学习-树回归
在前面文章机器学习-回归中,我们讨论了一般的线性回归,这里面有一些强大的方法,而且也非常实用。但这些方法有一些不足,需要拟合所有的样本点(局部加权线性回归除外),计算量较大 现实生活中很多问题是非线性的,不能使用线性模型这篇文章会介绍一种非线性回归模型-树回归,通过CART(Claqssification And Regression Tree,分类回归树)来构建模型算法。该算法可用于分类(找出类别),也可用于回归(预测)。CART有可能出现过拟合的问题,通过树剪枝技术,可以解决此问题。本章包含
2020-12-25 12:25:22 568 5
Setup K8S Cluster Environment.docx
2021-12-11
k8images_1.23.0.tar.gz
2021-12-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人