机器学习
文章平均质量分 93
本机器学习专栏,从基础理论到实战调库,一起全方面提升对机器学习的理解!
healed萌
热爱生活的NLP探索者!
展开
-
30、潜在狄利克雷分配
本文介绍了潜在狄利克雷分配(LDA),首先介绍了狄利克雷分布和共轭先验的定义,然后介绍了潜在狄利克雷分配模型,最后介绍了LDA的吉布斯抽样算法和LDA 的变分 EM 算法。原创 2023-11-27 12:30:29 · 856 阅读 · 0 评论 -
29、马尔可夫链蒙特卡罗法
本文介绍了马尔可夫链蒙特卡罗法,首先介绍了蒙特卡罗法、马尔可夫链的概念,然后进行介绍马尔可夫链蒙特卡罗法,最后介绍了两种常用的马尔可夫链蒙特卡罗法(Metropolis-Hastings算法、吉布斯抽样)原创 2023-11-27 12:30:10 · 1103 阅读 · 0 评论 -
28、概率潜在语义分析
本文介绍了概率潜在语义分析,详细介绍了概率潜在语义分析模型(生成模型、共现模型、模型性质),最后介绍了概率潜在语义分析算法原创 2023-11-27 12:29:22 · 972 阅读 · 0 评论 -
27、潜在语义分析(LSA)
本文介绍了潜在语义分析(LSA),详细介绍了单词向量空间和话题向量空间,潜在语义分析算法,以及非负矩阵分解算法,最后介绍了sklearn中的潜在语义分析的使用。原创 2023-11-27 12:29:03 · 1178 阅读 · 0 评论 -
26、条件随机场(CRF)下
本文介绍了条件随机场的概率计算、条件随机场的学习算法、条件随机场的的预测算法。原创 2023-11-27 12:27:54 · 1186 阅读 · 0 评论 -
25、条件随机场(CRF)上
本文介绍了条件随机场(CRF),首先介绍了概率无向图模型的相关定义,然后分别介绍了条件随机场的定义和三种表示形式。原创 2023-11-27 12:27:32 · 729 阅读 · 0 评论 -
24、隐马尔可夫模型(HMM)下
本文介绍了HMM的学习算法和预测算法,并python实现了HMM过程原创 2023-11-27 12:27:14 · 1339 阅读 · 0 评论 -
23、隐马尔可夫模型(HMM)上
本文介绍了隐马尔可夫模型的基本概念,详细介绍了模型的定义、基本假设、观测序列的生成过程、三个基本问题,并进行详细介绍了概率计算(包括前向计算、后向计算、以及利用前后向算法计算某些概率与期望值)原创 2023-11-27 12:17:56 · 904 阅读 · 0 评论 -
22、EM算法及其推广
本文介绍了EM算法及其推广,首先介绍了Jensen不等式,然后对EM算法进行详解,最后证明了EM算法的收敛性,并介绍了EM 算法在高斯混合模型学习中的应用和EM 算法的推广。原创 2023-11-27 12:16:03 · 867 阅读 · 0 评论 -
21、最大熵模型
本文介绍了最大熵模型,首先介绍了最大熵模型的定义、模型的学习、极大似然估计、以及模型学习的最优化算法原创 2023-11-26 13:29:21 · 807 阅读 · 0 评论 -
20、聚类算法——层次聚类
本文介绍了聚类算法中的层次聚类算法,首先介绍了层次聚类的流程,然后以一个案例详细介绍层次聚类,然后介绍了sklearn中的层次聚类用法,最后介绍了几种优化算法。原创 2023-11-26 13:28:50 · 1753 阅读 · 0 评论 -
19、聚类算法——密度聚类
本文主要介绍了聚类算法中的密度聚类,详细介绍了DBSCAN算法和密度最大值聚类算法(MDCA)原创 2023-11-24 14:18:39 · 835 阅读 · 0 评论 -
18、聚类算法——K-means家族
本文介绍了聚类算法中的K-means家族,首先讲解了K-means算法流程,然后从直观理解到案例进行深入说明,并介绍了其在文本聚类中的应用,最后介绍了一些K-means衍生算法。原创 2023-11-24 14:18:14 · 919 阅读 · 0 评论 -
17、聚类算法——聚类算法衡量指标
本文主要介绍了聚类算法的聚类质量评价方法原创 2023-11-23 19:54:50 · 876 阅读 · 0 评论 -
16、集成学习——LightGBM优化算法
本文对LightGBM进行了详细介绍。原创 2023-11-27 12:07:05 · 962 阅读 · 0 评论 -
15、集成学习——GBDT算法
本文介绍了GBDT算法的构成,然后分别详细介绍了回归树生成算法、梯度提升树、GBDT算法原理,最后以实例详解深入介绍GBDT算法。原创 2023-11-23 19:46:36 · 313 阅读 · 0 评论 -
14、集成学习——Adaboost算法
本文介绍了Adaboost算法,包括了分类算法流程、回归算法流程、sklearn中的Adaboost函数等原创 2023-11-23 19:38:05 · 918 阅读 · 0 评论 -
13、集成学习——随机森林
本文介绍了随机森林步骤、树的生成规则、优缺点、sklearn中随机森林等原创 2023-11-23 19:14:34 · 913 阅读 · 0 评论 -
12、集成学习——集成学习概述
本文介绍了集成学习概述、集成学习分类、集成学习模型简介原创 2023-11-23 19:09:03 · 902 阅读 · 0 评论 -
11、K近邻算法(KNN)
本文首先介绍了KNN算法的直观理解、算法三大要素、优缺点,并说明了如何实现KNN算法,最后讲解了sklearn中的KNN使用。原创 2023-11-23 19:00:44 · 904 阅读 · 0 评论 -
10、决策树算法
本文介绍了决策树算法,介绍了特征选择的指标(信息增益、信息增益比),决策树的生成(ID3算法、C4.5算法)以及决策树的剪枝过程,并介绍了CART算法,最后介绍了sklearn中的决策树用法。原创 2023-11-23 17:47:49 · 824 阅读 · 0 评论 -
9、朴素贝叶斯算法
本文介绍了朴素贝叶斯算法,首先讲解了贝叶斯公式,然后分别给出了朴素贝叶斯算法的定义和推导、极大似然估计、贝叶斯估计等,最后给出了四种sklearn中的朴素贝叶斯原创 2023-11-23 17:35:35 · 1083 阅读 · 0 评论 -
8、SVM实战——HOG+SVM行人检测
本文介绍了SVM经典实战——HOG+SVM行人检测项目,从视觉四大任务、HOG算法、HOG+SVM实现流程和图像画框四部分进行介绍。原创 2023-11-23 17:23:35 · 332 阅读 · 0 评论 -
7、SVM实战——SVM手写数字识别
从SVM手写数字识别实战项目了解SVM原理和使用原创 2023-11-23 17:08:02 · 1312 阅读 · 0 评论 -
6、支持向量机(SVM)下
本文介绍了SVM的求解方法SMO算法、SVM相关核函数、sklearn中的SVM等相关内容原创 2023-11-23 15:46:42 · 905 阅读 · 0 评论 -
5、支持向量机(SVM)上
本文介绍了SVM概述、SVM相关数学知识(梯度下降法、拉格朗日乘子法、对偶问题、KKT问题)、硬间隔SVM原理和求解、软间隔SVM原理和求解原创 2023-11-23 15:39:27 · 1022 阅读 · 0 评论 -
4、逻辑回归(LR)
本文逻辑回归,整理总结了逻辑回归原理、损失函数(损失函数推导、二分类交叉熵推导、sklearn中逻辑回归)、多分类的算法原理、优缺点等原创 2023-11-23 14:42:37 · 44 阅读 · 0 评论 -
3、线性回归模型
本文介绍了线性回归模型,包括了线性回归的基本形式、目的、模型计算,以及最小二乘法和梯度下降、正规方程解、优缺点等原创 2023-11-23 09:46:34 · 116 阅读 · 0 评论 -
2、机器学习概述
本文介绍了专栏文章的符号申明、机器学习的三要素与步骤、分类、监督学习的应用等原创 2023-11-23 09:24:01 · 45 阅读 · 0 评论 -
1、机器学习基础
本文总结归纳了机器学习基础,包括相关数学知识、数据预处理(数据查看、重复值观测、去除唯一性、缺失值处理、分类特征编码处理、连续特征编码处理、预测值对数处理、类别不平衡、数据降维、特征扩展)、过拟合欠拟合、模型选择方法、模型评估指标等内容原创 2023-11-22 16:54:40 · 495 阅读 · 0 评论