个人整理的机器学习/数据挖掘相关算法

最新推荐文章于 2022-11-09 08:39:55 发布
VIP文章 最新推荐文章于 2022-11-09 08:39:55 发布
阅读量642 收藏
点赞数
分类专栏： 机器学习和数据挖掘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u011086367/article/details/49906031
版权
1. 梯度下降法、牛顿法

2. 最大似然估计法

3 . 最小二乘法

4. 线性回归（基本思想是用梯度下降法对最小二乘法形式的误差函数进行优化）

5. K最近邻分类算法（KNN）

6. 决策树（ID3、C4.5算法、迭代决策树（GBRT）、随机森林）
最低0.47元/天 解锁文章
SCAU_Jimmy
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
python数据挖掘机器学习UCI soybean Dataset 的分类任务（完整项目：数据集+代码+word直接提交）
04-13
通过研究PACS RAW标签数据集分布与结构的差异化，可以更深刻的掌握聚类分析的原理；进一步熟悉聚类分析问题的提出、解决问题的思路、方法和技能；达到能综合运用所学基本理论和专业知识；锻炼收集、整理、运用资料的...
机器学习/数据挖掘/十大经典算法总结
芮芮芮的博客
04-20 4360
一、C4.5决策树 1、背景知识介绍 分类树（决策树）是一种十分常用的机器学习的分类方法。他是一种有监督的学习，所谓有监督的学习说白了很简单（可以理解为有导师的分类或者提前知道答案，有一定启发知识的学习），就是给定一堆样本，每个样本都有一组属性和一个类别，这些类别是事先确定的，那么通过学习得到一个分类器，这个分类器能够对新出现的对象给出正确的分类。这样的机器学习就被称之为有监督学习。分类本质上
机器学习数据挖掘十大经典算法 数学建模常用算法
m0_57656758的博客
11-09 1197
国际权威的学术组织the IEEE International Conference on Data Mining (ICDM) 2006 (香港召开)年12月评选出了数据挖掘领域的十大经典算法。不仅仅是选中的十大算法，其实参加评选的18种算法，实际上随便拿出一种来都可以称得上是经典算法，它们在数据挖掘领域都产生了极为深远的影响。
初探数据挖掘中的十大经典算法
youdianluanluan的专栏
11-24 548
以下就是从参加评选的18种候选算法中，最终决选出来的十大经典算法： 一、C4.5 C4.5，是机器学习算法中的一个分类决策树算法，它是决策树(决策树也就是做决策的节点间的组织方式像一棵树，其实是一个倒树)核心算法ID3的改进算法，所以基本上了解了一半决策树构造方法就能构造它。决策树构造方法其实就是每次选择一个好的特征以及分裂点作为当前节点的分类条件。 C4.5相比于ID3改进的地方有： 1
机器学习与数据挖掘相关算法汇总
一只不会码代码的咸鱼
06-04 1071
机器学习与数据挖掘相关算法汇总 本文供机器学习学习者作为方向指导。 参考资料： http://tieba.baidu.com/p/4843600839?fr=ala0&pstaala=1&tpl=5&isgod=0 http://www.cnblogs.com/IvanSSSS/p/4951758.html 声明： 特殊子领域的一些算法不包含在内：计算智
【scau数据挖掘·总复习】博客汇总||第一章~第九章+密度聚类||华农期末复习
weixin_51159944的博客
12-23 1438
step by step. 目录 第二章 第三章 第四章 第五章 第六章 第七章 第八章、第九章、补充知识 第二章 【数据挖掘·总复习】第二章-数据预处理||详细整理||知识点+例题||考点有_半段烟y9的博客-CSDN博客详细复习资料https://blog.csdn.net/weixin_51159944/article/details/120444098 第三章 【数据挖掘·总复习】第三章-关联规则挖掘||Apriori||详细整理||知识点+例题||考点有_半段烟y9的博
机器学习&深度学习资料笔记&基本算法实现&资源整理.zip
最新发布
03-03
机器学习&深度学习资料笔记&基本算法实现&资源整理.zip 0.不调库系列 No free lunch. 线性回归 - logistic回归 - 感知机 - SVM(SMO) - 神经网络 决策树 - Adaboost kNN - 朴素贝叶斯 EM - HMM - 条件随机场 kMeans ...
数据挖掘知识内容整理
09-03
关于数据挖掘过程中涉及的特征工程、机器学习涉及的算法等整理。
数据挖掘基本流程+理论分析+应用场景
10-23
内容概述：数据挖掘的流程；数据探索过程；数据的预处理；特征相关性与关联规则；机器学习、深度学习算法。 使用场景：数据挖掘入门 其他说明：理论整理
依照门类，大类，中类，小类整理的经济行业分类数据表
02-21
格式为xls和xlsx 此档案无密钥
数据挖掘apriori算法实现
03-05
数据挖掘中apriori算法的实现，visual studio 2010实现的c++版，其中封装了apriori类，实现整个操作~
机器学习和数据挖掘（主流算法介绍）
热门推荐
weixin_42144636的博客
07-24 2万+
对机器学习和数据挖掘的科学定义是这样的： 机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演...
基于机器学习的 SQL 注入漏洞挖掘技术的 分析与实现——论文研究学习
weixin_44232687的博客
12-14 2698
论文研究学习总体介绍和概括SQL注入的背景为什么会产生SQL注入SQL影响攻击类型传统的漏洞注入技术传统的注入技术的缺陷基于SVM的SQL注入漏洞挖掘技术数据集处理模型选择模型的建立 总体介绍和概括 这篇文章，首先从介绍SQL注入的背景入手，这里点到了产生原因、影响、攻击类型和传统的漏洞注入技术。然后提出基于机器学习的 SQL 注入漏洞挖掘方法，这里的指的是利用SVM来对数据集进行分类回收。最后用实验证明该模型和提出相应的问题。 我认为本文的可取之处，在于对传统SQL注入技术的总结，然后使用支持向量机机器学
智能化漏洞挖掘技术总结
Yale的博客
01-16 7289
全文基于《从自动化到智能化:软件漏洞挖掘技术进展》进行提炼、总结、修改。1.静态漏洞挖掘技术 1.1面向源代码 面向源代码的漏洞挖掘主要采用基于中间表示的分析和基于逻辑推理的分析技术。 基于中间表示的分析技术主要包括数据流分析、控制流分析、污点分析、符号执行等。Pixy采用了取值分析、污点分析、指针别名分析等静态分析技术实现对PHP源码中的SQL注入和跨站脚本等漏洞的检测。Prefix采用了静态符号执行技术模拟执行C/C++源码程序，并采用约束求解对程序中的部分路径进行检测。Melange采用数据流分析的框
2016CCF 大数据与计算智能大赛——搜狗用户画像（NLP）
qiusuoxiaozi的博客
12-29 7614
2016 CCF搜狗用户画像队名：nice 排名: 66(复赛) 这个比赛本质上是一个自然语言处理(NLP)问题，或者更具体地就是文本分类(TC)问题。我们组的主要想法来自于自动化所宗成庆老师他们的一篇文章[Xia et al., 2012]以及网上一些博客的启发。 Brief introduction of our method Conclusion Brief introduction of o
Apriori算法的学习
ww的博客
10-22 182
最近学习了Apriori算法，自己用Java参考着书上的C++代码跟着写了一遍 谢谢SCAU的老师的授课讲解~*~ 以下是源码： package 数据挖掘; import java.util.*; public class Apriori { //事务数目 private int item_size; //最小阈值 private int min_valu...
使用机器学习和数据挖掘算法进行数据处理
冬之晓
12-12 1万+
数据挖掘和机器学习是进行数据处理的非常有用的工具，当代的好多数据都使用这两种方法。但是这两种方法却包含很多模型和方法，对于初学者来说，面对这些模型总是无从下手。因此，后面的论述主要以处理数据的流程入手，把每个方法带入到数据处理的步骤中来讲，使得这些方法在数据处理中的具体位置有一个清晰的显示，有利于理解这些方法。
在面试机器学习、大数据岗位时遇到的各种问题
zdy0_2004的专栏
11-22 1415
机器学习、大数据相关岗位的职责 平台搭建类 数据计算平台搭建，基础算法实现，当然，要求支持大样本量、高维度数据，所以可能还需要底层开发、并行计算、分布式计算等方面的知识； 算法研究类 文本挖掘，如领域知识图谱构建、垃圾短信过滤等；推荐，广告推荐、APP 推荐、题目推荐、新闻推荐等；排序，搜索结果排序、广告排序等；广告投放效果分析；互联网信用评价；图像识别、理解。
用户画像
机器学习
08-18 2万+
用户画像：通过算法聚合成一类实现用户信息标签化。 构建用户画像 ① 用户画像信息：基本属性，购买能力，行为特征，兴趣爱好，心理特征，社交网络 ② 行为建模：文本挖掘，自然语言处理，机器学习，预测算法，聚类算法 ③ 数据收集：网络日志数据，用户行为数据，网站交易数据 作用：了解用户的行为习惯，个性化营销及精准广告 静态数据来源： —来源于用户填的个人信息，及算法模型预测的数据 动态信
数据挖掘Python
02-29
3. Scikit-learn：一个机器学习库，包含了各种常用的机器学习算法和工具，如分类、回归、聚类等。 4. Matplotlib：用于绘制各种类型的图表和可视化工具的库，可以帮助分析和展示数据。 5. TensorFlow和PyTorch：两个...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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