python中lcat是什么意思_lcatro/Machine-Learning-Note: 机器学习笔记
Machine Learning Note
机器学习笔记,后续整理一些Python 库使用方法与代码
学习资源
kNN k-邻近算法
优点:精度高,对异常值不敏感,无数据输入假定
缺点:计算复杂度高,空间复杂度高
适用数据范围:数值型和标称型
什么是数值型和标称型
标称型:标称型目标变量的结果只在有限目标集中取值
数值型:数值型目标变量则可以从无限的数值集合中取值
决策树
优点:计算复杂度不高,输出结果易于理解,对中间值的缺失不敏感,可以处理不相关特征数据
缺点:可能会产生过度匹配问题
适用数据类型:数值型和标称型
朴素贝叶斯
优点: 在数据较少的情况下仍然有效,可以处理多类别问题
缺点: 对于输入数据的准备方式较为敏感
适用数据类型: 标称型数据
logics 回归
优点: 计算代价不高,易于理解和实现
缺点: 容易欠拟合,分类精度可能不高
适用数据类型: 数值型和标称型数据
SVM 支持向量机
优点:泛化(由具体的,个别的扩大为一般的,就是说:模型训练完后的新样本)错误率低,计算开销不大,结果易理解
缺点:对参数调节和核函数的选择敏感,原始分类器不加修改仅适合于处理二分类问题
适用数据类型:数值型和标称型数据
深度学习
CNN
Python 库
python中lcat是什么意思_lcatro/Machine-Learning-Note: 机器学习笔记相关推荐
- Auto Machine Learning 自动化机器学习笔记
⭐适读人群:有机器学习算法基础 1. auto-sklearn 能 auto 到什么地步? 在机器学习中的分类模型中: 常规 ML framework 如下图灰色部分:导入数据-数据清洗-特征工程-分 ...
- 吴恩达《Machine Learning》精炼笔记 9:PCA 及其 Python 实现
作者 | Peter 编辑 | AI有道 系列文章: 吴恩达<Machine Learning>精炼笔记 1:监督学习与非监督学习 吴恩达<Machine Learning>精 ...
- python解zuobiaoxi方程_吴恩达《Machine Learning》精炼笔记 2:梯度下降与正规方程
作者:Peter 红色石头的个人网站: 红色石头的个人博客-机器学习.深度学习之路www.redstonewill.com 今天带来第二周课程的笔记:梯度下降与正规方程. 主要内容: 多维特征 多变 ...
- 吴恩达《Machine Learning》精炼笔记 8:聚类 KMeans 及其 Python实现
作者 | Peter 编辑 | AI有道 系列文章: 吴恩达<Machine Learning>精炼笔记 1:监督学习与非监督学习 吴恩达<Machine Learning>精 ...
- Paper:《Hidden Technical Debt in Machine Learning Systems—机器学习系统中隐藏的技术债》翻译与解读
Paper:<Hidden Technical Debt in Machine Learning Systems-机器学习系统中隐藏的技术债>翻译与解读 导读:机器学习系统中,隐藏多少技术 ...
- 吴恩达《Machine Learning》精炼笔记 12:大规模机器学习和图片文字识别 OCR
作者 | Peter 编辑 | AI有道 系列文章: 吴恩达<Machine Learning>精炼笔记 1:监督学习与非监督学习 吴恩达<Machine Learning>精 ...
- 吴恩达《Machine Learning》精炼笔记 11:推荐系统
作者 | Peter 编辑 | AI有道 系列文章: 吴恩达<Machine Learning>精炼笔记 1:监督学习与非监督学习 吴恩达<Machine Learning>精 ...
- 吴恩达《Machine Learning》精炼笔记 10:异常检测
作者 | Peter 编辑 | AI有道 系列文章: 吴恩达<Machine Learning>精炼笔记 1:监督学习与非监督学习 吴恩达<Machine Learning>精 ...
- 吴恩达《Machine Learning》精炼笔记 3:回归问题和正则化
作者 | Peter 编辑 | AI有道 今天带来第三周课程的笔记:梯度下降与正规方程. 主要讲解的内容包含: 逻辑回归 代价函数 线性回归和逻辑回归的比较 正则化问题 逻辑回归 分类问题 假设预测的 ...
最新文章
- linux 代码格式化工具 clang-format
- Case Study. Technical and Commercial understating. Internal use only.
- 工厂方法模式_工厂方法模式
- Java对象如何实现比较规则
- iphone短信尚未送达_iPhone开启这个功能,从此告别垃圾短信骚扰!
- 【动态规划】完全背包问题:构成m的最少个数
- Python(六)基于 TCP/UDP 协议通信的简单套接字编程
- Android集成微信支付时返回错误码errcode:40125解决方案
- 什么是视频网站CDN呢?视频网站使用了视频CDN有什么优势?
- ChucK初步(4)
- 二层、三层、四层交换机、路由器的区别
- 备考通信复试过程中的一些知识点总结梳理——发信之前(调制)
- 能够真正骂醒你的励志视频,看完满血复活!
- ds310服务器运行灯不亮,【群晖 DS218+ 2盘位 NAS网络存储服务器外观设计】按键|usb2.0口|电源键|指示灯|风扇_摘要频道_什么值得买...
- Java、JSP+BBS论坛系统的设计与实现
- Android 9.0 Wifi连接AP过程
- 第一个divcss属性失效_复合材料失效理论知多少(三):一战封神Pinho理论
- 著名演播艺术家艾宝良入驻讯飞阅读,人工智能助力声音传承
- 【TcaplusDB知识库】GO快速上手PB表的增删查改操作
- bios error 装系统acpi_大神详解win10系统升级后开机提示acpi bios error的设置技巧
热门文章
- MCDF实验——Lab5
- html position与z-index定位学习
- plt.plot()函数详解
- 家乐福618安全与性能保卫战(一)-安全高地保卫战
- set_xscale 表示x轴缩放比例,一张图明明白白
- MySQL 数据表优化设计(九):如何设计统计数据表?
- python学习第五节:用面向对象实现friendbook
- 祝大家2016中秋佳节快乐!阖家幸福安康!!
- Vegas使用技巧—— 如何实现三维立体调整?
- 计算机木材染色 配色技术的应用技术,人工林木材颜色怎么调配?木材电脑配色技术...