机器学习
目前所有的代码及笔记都已上传至Git
所有阅读笔记及源码
前言
- 监督式学习
- 数据带标签, 需要训练集, 根据训练集得出的学习函数为新的数据预测结果
- 适用于分类、回归(空间连续的事件)
- 算法有: 线性回归、决策树、随机森林、K-近邻算法、逻辑回归(Logistic Regression)、BP神经网络等
- 非监督式学习
- 数据不包含任何类别信息, 其典型的问题为聚类问题
- 用在不同的组内聚类分析, 一般用来细分客户
- 算法有: K-Means、DBSCAN(聚类)算法
- Deep learning
- 机器被放在一个能够让它反复试错来训练自己, 加强判断的准确性
- 半监督学习
- 监督式学习和非监督式学习的融合, 使用较少
阅读笔记
机器学习 - 赵志勇著
- GitHub源码
- 阅读笔记
机器学习实战
Deep Learning Tutorial - Hung-yi Lee(李宏毅)
- Deep Learning Tutorial PDF
- Deep Learning 笔记