数据清洗

解决数据质量问题


第一部分 模型的评估与数据处理

机器学习基础与实践(一)----数据清洗

机器学习基础与实践(二)----数据转换

机器学习基础与实践(三)----数据降维

 

第二部分 特征工程

机器学习基础与实践(四)----特征选择

机器学习基础与实践(五)----特征提取

机器学习基础与实践(六)----模型选择与评估

 

第三部分 算法基础之有监督算法

机器学习基础与实践(七)----广义线性模型

机器学习基础与实践(八)----最小二乘法

机器学习基础与实践(九)----LDA

机器学习基础与实践(十)----SGD

机器学习基础与实践(十一)----K近邻

机器学习基础与实践(十二)----高斯过程

机器学习基础与实践(十三)----决策树(ID3,C4.5,C5.0,CART)

机器学习基础与实践(十四)----朴素贝叶斯

机器学习基础与实践(十五)----支持向量机

机器学习基础与实践(十六)----集成学习(Bagging,RF,AdaBoost,Gradient Tree Boosting,Voting Classifier)

机器学习基础与实践(十七)----感知机模型

机器学习基础与实践(十八)----多分类算法

 

第四部分 算法基础之无监督算法

机器学习基础与实践(十九)----K-means

机器学习基础与实践(二十)----Affinity propagation

机器学习基础与实践(二十一)----Mean-shift

机器学习基础与实践(二十二)----Spectral clustering

机器学习基础与实践(二十三)----Ward hierachical

机器学习基础与实践(二十四)----Agglomerative clustering

机器学习基础与实践(二十五)----DBSCAN

机器学习基础与实践(二十六)----Gaussian mixtures

机器学习基础与实践(二十七)----Birch

 

第五部分 算法基础之推荐算法

机器学习基础与实践(二十八)----相似度计算

机器学习基础与实践(二十九)----Arules关联规则

机器学习基础与实践(三十)----Fp-Growth

机器学习基础与实践(三十一)----User-based or Item-based

 

第六部分 算法基础之半监督模型

机器学习基础与实践(三十二)----Label Propagation

 

第七部分 算法基础之其他模型

 机器学习基础与实践(三十三)----概率图模型

机器学习基础与实践(三十四)----最大熵模型

机器学习基础与实践(三十五)----规则学习

机器学习基础与实践(三十六)----强化学习

机器学习基础与实践(三十七)----条件随机场

机器学习基础与实践(三十八)----保序回归(Isotonic regression)

机器学习基础与实践(三十九)----Probability calibration


  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值