- 博客(2)
- 资源 (7)
- 收藏
- 关注
RSS订阅原创 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
357
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
559
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