机器学习 最近更新时间 :2020年1月29日 机器学习是研究领域,使计算机能够在不明确编程的情况下学习的能力。ML是一个人遇到的最令人兴奋的技术之一。从名称中显而易见,它给出了使其更类似于人类的计算机:学习的能力。今天,机器学习正在被积极地使用,可能在比人们想象的更多的地方。 最近关于机器学习的文章! 介绍 数据和它正在处理 监督式学习 无人监督的学习 加强学习 降维 自然语言处理 神经网络 ML - 应用程序 各种各样的 介绍 : 机器学习入门 机器学习介绍 什么是机器学习? 机器学习中的数据导论 揭秘机器学习 ML - 应用程序 用于机器学习的最佳Python库 人工智能|简介 机器学习和人工智能 机器学习和人工智能的区别 人工智能中的代理商 10基本机器学习面试问题 数据及其处理: 机器学习中的数据导论 了解数据处理 Python |使用sklearn创建测试数据集 Python |生成机器学习的测试数据集 Python |Python中的数据预处理 数据清理 特征缩放-第1部分 特征缩放-第2部分 Python |数据集标签编码 Python |数据集的一个热编码 Python中使用SMOTE和Near Miss算法处理不平衡数据 监督学习: 入门分类 分类的基本概念 回归技术的类型 分类与回归 ML |类型的学习-监督学习 使用Scikit-rement的多款分类 梯度下降法: 梯度下降算法及其变体 随机梯度下降(SGD) Python的小批量梯度下降 梯度下降的优化技术 势头基础梯度优化器简介 线性回归: 线性回归介绍 线性回归中的梯度下降 线性回归工作的数学解释 线性回归正常方程 线性回归(Python实现) 使用r简单的线性回归 在Python中的单变量线性回归 使用Python的多元线性回归 使用R的多元线性回归 局部加权线性回归 Python |使用Sklearn的线性回归 使用Tensorflow的线性回归 用R进行简单线性回归的实用方法 使用PyTorch进行线性回归 Pyspark |线性回归使用Apache MLlib ml |波士顿住房kaggle挑战线性回归 Python |实施多项式回归 Softmax回归使用TensorFlow Logistic回归: 了解Logistic回归 为什么在分类中的逻辑回归? 使用Python进行逻辑回归 Logistic回归中的成本函数 使用Tensorflow的逻辑回归 天真的贝父分类器 支持向量: 支持Python中的向量机(SVM) SVM HyperParameter调整使用GridSearchCV 支持向量机(SVMs) 使用支持向量机对非线性数据集进行分类 决策树: 决策树 使用Sklearn的决策树回归 决策树介绍了例子 使用Python的决策树实现 软件工程中的决策树 随机森林: Python中的随机森林回归 合奏分类器 投票分类器使用sklearn 袋装分类器 无人监督的学习: ml |学习类型 - 无监督学习 监督学习和非监督学习 机器学习中的聚类 不同类型的聚类算法 K表示聚类 - 介绍 k在KMeans中最优值的弯头法 ML | k -means++算法 使用k-means群集在Python中的测试数据分析 小批量K-means聚类算法 平均移位聚类 基于密度的聚类 使用Sklearn实现DBSCAN算法 模糊聚类 光谱聚类 光学聚类 光学聚类使用Sklearn实现 分层聚类(凝聚和分裂聚类) 使用Sklearn实施凝聚聚类 高斯混合模型 强化学习: 加强学习 强化学习算法:使用Q-learning的Python实现 汤普森抽样简介 加固学习遗传算法 萨拉加固学习 Q-Learning在Python中 减少维度: 减少维度介绍 内核PCA简介 主成分分析(PCA) Python主成分分析 独立分量分析 特征映射 特征选择的额外树分类器 特征选择的Chi-Square测试 - 数学解释 ml |T分布式随机邻居嵌入(T-SNE)算法 Python |应用功能缩放如何以及在哪里? 特征选择的参数 机器学习中的磨损和过度装备 自然语言处理: 自然语言处理导论 Python中的文本预处理|Set - 1 Python中的文本预处理|套2 在Python中使用NLTK删除停止词 在Python中使用NLTK授权文本 如何绘制文本,句子,单词工作 Stemming介绍 与nltk的词汇 词元化与NLTK 词元化与TextBlob 如何在Python中获取来自NLTK Wordnet的同义词/反义词? 神经网络: 人工中性网络介绍|设置1 人工神经网络|集简介 ANN(人工神经网络)简介|设置3(混合系统) ANN介绍|设置4(网络架构) 激活功能 在Python中实施人工神经网络培训过程 Python中的单个神经元神经网络 卷积神经网络 卷积神经网络简介 汇集层简介 介绍填充 卷积层中的填充类型 在Mnist DataSet上应用卷积神经网络 复发性神经网络 介绍递归神经网络 递归神经网络解释 SEQ2SEQ模型 长短时记忆入门 长短期记忆网络的解释 门控循环单元网络 使用GET Gated Recurrent单元网络生成 GANS - 生成对抗性网络 生成式对抗网络简介 生成对抗网络(GANs) 使用生成对抗网络的案例 使用Keras构建生成的对抗网络 莫斯特崩溃在GANS中 深度Q-Learning介绍 使用Tensorflow实现深度Q学习 ML -用途: 利用线性回归预测降雨 在PyTorch中使用逻辑回归识别手写数字 Kaggle乳腺癌威斯康星州诊断使用Logistic回归 电影推荐系统的Python |实现 支持向量机以识别C ++中的面部特征 决策树 - 假(假冒)硬币拼图(12枚硬币拼图) 信用卡欺诈侦测 NLP餐厅评论分析 多项式朴素贝叶斯在NLP问题中的应用 使用k-means群集的图像压缩 深度学习|使用复仇者终止字符的图像标题生成 Google如何使用机器学习? NASA如何使用机器学习? Facebook使用机器学习的5种惊人方式 使用机器学习的目标广告 机器学习是如何被著名公司使用的? MISC: 模式识别|介绍 计算二进制分类器的效率 Logistic回归V / S决策树分类 数据科学中的R vs Python A3C算法所涉及的基本功能说明 差分隐私和深度学习 人工智能VS机学习与深度学习 深度学习的多任务学习(MTL)介绍 每个机器学习工程师都应该知道的10种算法 用于机器学习的Azure虚拟机 30分钟到机器学习 机器学习中的AutoML是什么? 机器学习中的混乱矩阵 我的个人笔记 arrow_drop_up 保存