![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 95
暴躁的大熊
自律
展开
-
四、【机器学习】【监督学习】- K-近邻算法 (K-NN)
在先前的文章系列中,我们深入探讨了机器学习的基础框架和算法分类,为读者构建了关于这一领域的坚实理论基础。本章节我们将焦点转向监督学习领域中的一个核心算法——K-近邻算法(K-NN),旨在详尽解析其内在逻辑、应用实践及重要参数调整策略。监督学习(Supervised Learning)是机器学习中的一种主要方法,其核心思想是通过已知的输入-输出对(即带有标签的数据集)来训练模型,从而使模型能够泛化到未见的新数据上,做出正确的预测或分类。原创 2024-06-25 10:45:55 · 671 阅读 · 0 评论 -
五、【机器学习】【监督学习】- 决策树 (Decision Trees)
在先前的文章系列中,我们深入探讨了机器学习的基础框架和算法分类,为读者构建了关于这一领域的坚实理论基础。本章节我们将焦点转向监督学习领域中的一个核心算法—— 决策树 (Decision Trees),旨在详尽解析其内在逻辑、应用实践及重要参数调整策略。监督学习(Supervised Learning)是机器学习中的一种主要方法,其核心思想是通过已知的输入-输出对(即带有标签的数据集)来训练模型,从而使模型能够泛化到未见的新数据上,做出正确的预测或分类。原创 2024-07-05 11:25:40 · 1068 阅读 · 0 评论 -
六、【机器学习】【监督学习】-梯度提升机 (Gradient Boosting Machine, GBM)
在先前的文章系列中,我们深入探讨了机器学习的基础框架和算法分类,为读者构建了关于这一领域的坚实理论基础。本章节我们将焦点转向监督学习领域中的一个核心算法—— 决策树 (Decision Trees),旨在详尽解析其内在逻辑、应用实践及重要参数调整策略。监督学习(Supervised Learning)是机器学习中的一种主要方法,其核心思想是通过已知的输入-输出对(即带有标签的数据集)来训练模型,从而使模型能够泛化到未见的新数据上,做出正确的预测或分类。原创 2024-07-05 11:34:19 · 990 阅读 · 0 评论 -
七、【机器学习】【监督学习】-神经网络 (Neural Networks)
在先前的文章系列中,我们深入探讨了机器学习的基础框架和算法分类,为读者构建了关于这一领域的坚实理论基础。本章节我们将焦点转向监督学习领域中的一个核心算法—— 神经网络 (Neural Networks),旨在详尽解析其内在逻辑、应用实践及重要参数调整策略。监督学习(Supervised Learning)是机器学习中的一种主要方法,其核心思想是通过已知的输入-输出对(即带有标签的数据集)来训练模型,从而使模型能够泛化到未见的新数据上,做出正确的预测或分类。原创 2024-07-09 16:34:01 · 686 阅读 · 0 评论 -
八、【机器学习】【监督学习】-卷积神经网络 (CNN)
在先前的文章系列中,我们深入探讨了机器学习的基础框架和算法分类,为读者构建了关于这一领域的坚实理论基础。本章节我们将焦点转向监督学习领域中的一个核心算法—— 卷积神经网络 (CNN),旨在详尽解析其内在逻辑、应用实践及重要参数调整策略。监督学习(Supervised Learning)是机器学习中的一种主要方法,其核心思想是通过已知的输入-输出对(即带有标签的数据集)来训练模型,从而使模型能够泛化到未见的新数据上,做出正确的预测或分类。原创 2024-07-09 17:30:53 · 550 阅读 · 0 评论 -
九、【机器学习】【监督学习】-循环神经网络 (RNN)
在先前的文章系列中,我们深入探讨了机器学习的基础框架和算法分类,为读者构建了关于这一领域的坚实理论基础。本章节我们将焦点转向监督学习领域中的一个核心算法—— 卷积神经网络 (CNN),旨在详尽解析其内在逻辑、应用实践及重要参数调整策略。监督学习(Supervised Learning)是机器学习中的一种主要方法,其核心思想是通过已知的输入-输出对(即带有标签的数据集)来训练模型,从而使模型能够泛化到未见的新数据上,做出正确的预测或分类。原创 2024-07-11 10:56:43 · 644 阅读 · 0 评论 -
十、【机器学习】【监督学习】-线性回归
在先前的文章系列中,我们深入探讨了机器学习的基础框架和算法分类,为读者构建了关于这一领域的坚实理论基础。本章节我们将焦点转向监督学习领域中的一个核心算法—— 卷积神经网络 (CNN),旨在详尽解析其内在逻辑、应用实践及重要参数调整策略。监督学习(Supervised Learning)是机器学习中的一种主要方法,其核心思想是通过已知的输入-输出对(即带有标签的数据集)来训练模型,从而使模型能够泛化到未见的新数据上,做出正确的预测或分类。原创 2024-07-11 10:56:28 · 1377 阅读 · 0 评论 -
十一、【机器学习】【监督学习】- 局部加权线性回归 (Locally Weighted Linear Regression, LWLR)
在先前的文章系列中,我们深入探讨了机器学习的基础框架和算法分类,为读者构建了关于这一领域的坚实理论基础。本章节我们将焦点转向监督学习领域中的一个核心算法—— 卷积神经网络 (CNN),旨在详尽解析其内在逻辑、应用实践及重要参数调整策略。监督学习(Supervised Learning)是机器学习中的一种主要方法,其核心思想是通过已知的输入-输出对(即带有标签的数据集)来训练模型,从而使模型能够泛化到未见的新数据上,做出正确的预测或分类。原创 2024-07-12 08:34:55 · 1462 阅读 · 0 评论 -
三、【机器学习】【监督学习】- 支持向量机 (SVM)
在上一章【机器学习】【监督学习】- 逻辑回归算法 (Logistic Regression)中主要介绍监督学习中的分类算法的逻辑归回算法。本章内容主要介绍【监督学习】中分类算法支持向量机 (SVM)。监督学习(Supervised Learning)是机器学习中的一种主要方法,其核心思想是通过已知的输入-输出对(即带有标签的数据集)来训练模型,从而使模型能够泛化到未见的新数据上,做出正确的预测或分类。在监督学习过程中,算法“学习”的依据是这些已标记的例子,目标是找到输入特征与预期输出之间的映射关系。原创 2024-06-21 09:40:36 · 751 阅读 · 0 评论 -
二、【机器学习】【监督学习】- 逻辑回归算法 (Logistic Regression)
在上一章【机器学习】初始机器学习中已对机器学习的基本学习思路和算法进行了分类和解释。在本章中主要介绍监督学习中的分类算法的逻辑归回算法。监督学习(Supervised Learning)是机器学习中的一种主要方法,其核心思想是通过已知的输入-输出对(即带有标签的数据集)来训练模型,从而使模型能够泛化到未见的新数据上,做出正确的预测或分类。在监督学习过程中,算法“学习”的依据是这些已标记的例子,目标是找到输入特征与预期输出之间的映射关系。原创 2024-06-20 15:16:51 · 725 阅读 · 1 评论 -
一、【机器学习】初识机器学习
踏上机器学习之旅,面对浩瀚的网络资源,初学者往往感到既兴奋又迷茫。为了帮助您高效且有序地入门这一领域,我特地整理了一份精简而实用的学习指南,旨在为刚接触机器学习的朋友铺平道路。在机器学习中,分类、回归、聚类和密度估计是四种基本且重要的任务类型,它们各自针对不同类型的问题和应用场景。通过以上的机器学习知识的总结,已经对基本的机器学习算法模型和定义进行区分。接下来对算法深入理解与实践进行学习。不足之处望以提出更正。原创 2024-06-20 10:21:44 · 813 阅读 · 0 评论