sklearn自学指南(part3)--使用手册的目录

学习笔记，仅供参考，有错必纠
自翻译+举一反三

文章目录

1.1. 线性模型
1.2. 线性与二次判别分析
1.3. 核岭回归

1.1. 线性模型

1.1.1. 普通最小二乘法
1.1.2. 岭回归与分类
1.1.3. 套索
1.1.4. 多任务套索
1.1.5. 弹性网
1.1.6. 多任务弹性网
1.1.7. 最小角度回归
1.1.8. 拉尔斯套索
1.1.9. 正交匹配追踪（OMP）
1.1.10. 贝叶斯回归
1.1.11. 逻辑回归
1.1.12. 广义线性回归
1.1.13. 随机梯度下降
1.1.14. 感知器
1.1.15. 被动攻击算法
1.1.16. 稳健性回归：异常值和建模误差
1.1.17. 多项式回归：用基函数扩展线性模型

1.2. 线性与二次判别分析

1.2.1. 基于线性判别分析的降维方法
1.2.2. LDA和QDA分类器的数学公式
1.2.3. LDA降维的数学公式
1.2.4. 收缩和协方差估计
1.2.5. 估计算法

1.3. 核岭回归

sklearn自学指南(part3)--使用手册的目录相关推荐

sklearn自学指南(part42)--使用手册的目录
学习笔记,仅供参考,有错必究文章目录 6.1. 管道与复合估计器 6.2. 特征提取 6.3. 预处理数据 6.4. 缺失值的插补 6.5. 无监督降维 6.6. 随机投影 6.7. 核近似 6.8 ...
sklearn自学指南(part40)--使用手册的目录
学习笔记,仅供参考,有错必究文章目录 2.6. 协方差估计 2.7. 新颖性和异常值检测 2.8. 密度估计 2.9. 神经网络模型(无监督) 2.6. 协方差估计 2.6.1. 经验方差 2.6. ...
sklearn自学指南(part41)--使用手册的目录
学习笔记,仅供参考,有错必究文章目录 3.1. 交叉验证:评价估算器的性能 3.2. 调整估算器的超参数 3.3. 衡量和评分:量化预测的质量 3.4. 验证曲线:绘制分数来评估模型 3.1. 交叉 ...
sklearn自学指南(part7)--使用手册的目录
学习笔记,仅供参考,有错必纠自翻译+举一反三文章目录 2.1. 高斯混合模型 2.2. 多元学习 2.3. 聚类 2.4. 双聚类 2.5. 信号分解(矩阵分解问题) 2.1. 高斯混合模型 2. ...
sklearn自学指南(part6)--使用手册的目录
学习笔记,仅供参考,有错必纠自翻译+举一反三文章目录 1.11. 集成方法 1.12. 多类多输出算法 1.13. 特征选择 1.14. 半监督学习 1.15. 等张回归 1.16. 概率校准 1 ...
sklearn自学指南(part5)--使用手册的目录
学习笔记,仅供参考,有错必纠自翻译+举一反三文章目录 1.7. 高斯过程 1.8. 交叉分解 1.9. 朴素贝叶斯 1.10. 决策树 1.7. 高斯过程 1.7.1. 高斯过程回归(GPR) 1 ...
sklearn自学指南(part4)--使用手册的目录
学习笔记,仅供参考,有错必纠自翻译+举一反三文章目录 1.4. 支持向量机 1.5. 随机梯度下降法 1.6. 近邻 1.4. 支持向量机 1.4.1. 分类 1.4.2. 回归 1.4.3. 密 ...
sklearn自学指南(part2)--使用手册的主目录
学习笔记,仅供参考,有错必纠翻译完成用(√)表示: 文章目录 1.监督学习 2.无监督学习 3.选型与评价 4.检查 5.可视化效果 6.数据集转换 7.数据集加载实用程序 8.使用scikit学习 ...
sklearn自学指南(part57)--协方差估计
学习笔记,仅供参考,有错必纠文章目录协方差估计经验协方差缩减协方差基本的收缩 Ledoit-Wolf收缩甲骨文近似收缩(Oracle Approximating Shrinkage) 稀疏 ...

sklearn自学指南(part3)--使用手册的目录

文章目录

1.1. 线性模型

1.2. 线性与二次判别分析

1.3. 核岭回归

sklearn自学指南(part3)--使用手册的目录相关推荐

最新文章

热门文章